Ant Infor2 CI

CESVER MATERIAL BIBLIOGRAFICO DE APOYO DIDACTICO
NEGOCIOS Y COMERCIOS INTERNACIONALES INV. DE OPERACIONES 4 SEM
MATERIAL BIBLIOGRFICO
DE APOYO DIDCTICO
Licenciatura:
NEGOCIOS Y COMERCIO
INTERNACIONALES
Asignatura:
INVESTIGACION DE
OPERACIONES
Semestre:
CUARTO
Nombre del compilador:

ING. JUAN ALBERTO VAZQUEZ
GONZALEZ
ING JUAN ALBERTO VAZQUEZ G.

Pgina 1 de 85
INDICE
INTRODUCCION
MANEJO DE LA ANTOLOGIA
1. INTRODUCCIN
1.1 Orgenes de la investigacin de operaciones
1.2 Naturaleza de investigacin de operaciones
1.3 La investigacin de operaciones en la contadura, la administracin e informtica
1.4 Alcances y limitaciones de la investigacin de operaciones
2. PROGRAMACIN LINEAL
2.1 Elementos de un problema de programacin lineal
2.2 El mtodo grfico
2.3 El mtodo simplex
2.4 Doble fase
2.5 El mtodo de transporte
2.5.1 Mtodo de esquina noroeste
2.5.2 Mtodo de costo mnimo
2.5.3 Mtodo de Vogel
2.6 El mtodo de asignacin
2.7 Estudio de casos
3. MODELO DE REDES
3.1 Terminologa
3.2 Problemas de recorrido mnimo P.M.R.
3.3 La ruta ms corta
3.4 Flujo mximo
3.5 C.P.M. (Ruta crtica)
3.6 Pert/ tiempo y Pert/costo
4. INVENTARIOS
4.1 Terminologa
4.2 Diferentes modelos
4.3 El modelo de cantidad econmica de pedido en los diferentes modelos
4.4 Punto de reorden
4.5 Descuentos
4.6 Resolucin de problemas
5. LNEAS DE ESPERA
5.1 Terminologa
5.2 Estructura bsica de una lnea de espera
5.3 Modelos de una cola con servidor
5.4 Modelos de una cola con servidores mltiples en paralelo
5.5 Modelos de una cola con servidores mltiples en serie
5.6 Comportamiento prioritario de una lnea de espera

Pgina 2 de 85
INTRODUCCION
La investigacin de operaciones puede definirse como el mtodo

cientfico aplicado a la solucin de problemas y a la toma de decisiones
por parte de la gerencia.
Esto conlleva a la construccin de un modelo simblico (usualmente
matemtico) que extrae los elementos esenciales de un problema de
decisin de la vida real que es inherentemente complejo e incierto, de
tal manera que se pueda optimizar una solucin importante para los
objetivos del tomador de decisiones. Adems se debe examinar y
analizar las relaciones que determinan las consecuencias de la decisin
realizada y comparar el mrito relativo de acciones alternas con los
objetivos del tomador de decisin. Esto se consigue normalmente al
desarrollar una tcnica de decisin que incluya teora matemtica, si es
necesario, y que conduzca a un valor ptimo basado en los objetivos del
tomador de decisiones.

Pgina 3 de 85
MANEJO DE LA ANTOLOGIA
Nuestro material de apoyo consta de 5 unidades que pretenden cubrir

el programa de estudios de nuestra escuela, la intencin es que usted
junto con sus compaeros y su asesor puedan cubrirlos en un semestre
resolviendo problemas tericos y prcticos similares a los planteados a
lo largo de cada una de las unidades.
Esta materia est muy involucrada con las matemticas por lo tanto
como una tarea adicional es necesario un repaso de algebra para
facilitar la solucin de problemas.
La vida real presenta situaciones en las cuales debemos tomar
decisiones y tambin aqu podr hacer uso de lo aprendido de manera
prctica.
La antologa propone manejar el software TORA como complemento,
cuando la antologa estaba elaborada era fcil de conseguir en la red
este programa.
Finalmente se sugieren una serie de link que son ordenados de
acuerdo a las unidades o captulos vistos y algunos libros que aparecen
ordenados en base a la importancia para el estudio de esta materia.
OBJETIVO(S) GENERAL(ES) DE LA ASIGNATURA

El alumno examinar los conceptos bsicos y los principales
mtodos de la investigacin de operaciones, identificando situaciones y
condiciones en las que sean aplicables en la solucin de problemas.
CRITERIOS Y PROCEDIMIENTOS DE EVALUACIN Y ACREDITACIN
Dos exmenes terico prcticos 80%

Entrega de: ejercicios, prcticas de aplicacin y
estudio y/o anlisis de casos. 20%
Total 100%

Pgina 4 de 85
1. INTRODUCCIN
Como su nombre lo dice, la investigacin de operaciones significa hacer
investigacin sobre las operaciones. Entonces, la investigacin de operaciones se
aplica a problemas que se refieren a la conduccin y coordinacin de operaciones (o
actividades) dentro de una organizacin. La naturaleza de la organizacin es
esencialmente inmaterial y, de hecho, la investigacin de operaciones se ha aplicado
de manera extensa en reas tan diversas como la manufactura, el transporte, la
constitucin, las telecomunicaciones, la planeacin financiera, el cuidado de la salud,
la milicia y los servicios pblicos, por nombrar slo unas cuantas. As, la gama de
aplicaciones es extraordinariamente amplia.
La parte de investigacin en el nombre significa que la investigacin de
operaciones usa un enfoque similar a la manera en que se lleva a cabo la investigacin
en los campos cientficos establecidos. En gran medida, se usa el mtodo cientfico
para investigar el problema en cuestin. (De hecho, en ocasiones se usa el trmino
ciencias de la administracin como sinnimo de investigacin de operaciones.) En
particular, el proceso comienza por la observacin cuidadosa y la formulacin del
problema incluyendo la recoleccin de los datos pertinentes. El siguiente paso es la
construccin de un modelo cientfico (por lo general matemtico) que intenta abstraer
la esencia del problema real.
En este punto se propone la hiptesis de que el modelo es una representacin lo
suficientemente precisa de las caractersticas esenciales de la situacin como para que
las conclusiones (soluciones) obtenidas sean vlidas tambin para el problema real.
Despus, se llevan a cabo los experimentos adecuados para probar esta hiptesis,
modificarla si es necesario y eventualmente verificarla. (Con frecuencia este paso se
conoce como validacin del modelo.) Entonces, en cierto modo, la investigacin e
operaciones incluyen la investigacin cientfica creativa de las propiedades
fundamentales de las operaciones. Sin embargo, existe ms que esto. En particular, la
IO se ocupa tambin de la administracin prctica de la organizacin. As, para tener
xito, deber tambin proporcionar conclusiones claras que pueda usar el tomador de
decisiones cuando las necesite.
Una caracterstica ms de IO es que adopta un punto de vista organizacional, de
esta manera, intenta resolver los conflictos de intereses entre las componentes de la
organizacin de forma que el resultado sea el mejor para la organizacin completa.
Esto no significa que el estudio de cada problema deba considerar en forma explcita
todos los aspectos de la organizacin sino que los objetivos que se buscan deben ser
consistentes con los de toda ella.
Una caracterstica adicional es que la investigacin de operaciones intenta
encontrar una mejor solucin, (llamada solucin ptima) para el problema bajo
consideracin. (Decimos una mejor solucin y no la mejor solucin porque pueden
existir muchas soluciones que empaten como la mejor.) En lugar de contentarse con
Pgina 5 de 85
mejorar el estado de las cosas, la meta es identificar el mejor curso de accin posible.
Aun cuando debe interpretarse con todo cuidado en trminos de las necesidades
reales de la administracin, esta bsqueda de la optimidad es un aspecto importante
dentro de la investigacin de operaciones.
Todas estas caractersticas llevan de una manera casi natural a otra. Es evidente
que no puede esperarse que un solo individuo sea un experto en todos los mltiples
aspectos del trabajo de investigacin de operaciones o de los problemas que se
estudian; se requiere un grupo de individuos con diversos antecedentes y habilidades.
Entonces, cuando se va a emprender un estudio de investigacin de operaciones
completo de un nuevo problema, por lo general es necesario emplear equipo. Este debe
incluir individuos con antecedentes firmes en matemticas, estadstica y teora de
probabilidades, al igual que en economa, administracin de empresas, ciencias de la
computacin, ingeniera, ciencias fsicas, ciencias del comportamiento y, por supuesto,
en las tcnicas especiales de investigacin de operaciones. El equipo tambin necesita
tener la experiencia y las habilidades necesarias para permitir la consideracin
adecuada de todas las ramificaciones del problema a travs de la organizacin.
1.1 Orgenes de la investigacin de operaciones

Cuando comenz la Segunda Guerra Mundial, haba un pequeo grupo de
investigadores militares, encabezados por A.P. Rowe, interesados en el uso militar de
una tcnica conocida como radio ubicacin (o radio-localizacin), que desarrollaron
cientficos civiles. Algunos historiadores consideran que esta investigacin es el punto
inicial de la investigacin de operaciones. Otros creen que los estudios que tienen las
caractersticas del trabajo de investigacin de operaciones aparecen posteriormente.
Algunos consideran que su comienzo est en el anlisis y solucin del bloqueo naval
de Siracusa que Arqumedes presentara al tirano de esa ciudad, en el siglo III A.C. F. W.
Lanchester, en Inglaterra, justo antes de la primera guerra mundial, desarroll
relaciones matemticas sobre la potencia balstica de las fuerzas opositoras, que si se
resolvan tomando en cuenta el tiempo, podan determinar el resultado de un encuentro
militar. Toms Edison tambin realiz estudios de guerra antisubmarina. Ni los
estudios de Lanchester ni los de Edison tuvieron un impacto inmediato; junto con los
de Arqumedes, constituyen viejos ejemplos del empleo de cientficos para determinar
la decisin ptima en las guerras, optimizando los ataques.
No mucho despus de que estallara la Segunda Guerra Mundial, la Badswey
Research Station, bajo la direccin de Rowe, particip en el diseo de utilizacin
ptima de un nuevo sistema de deteccin y advertencia prematura, denominado radar
(Radio Detection And Ranging Deteccin y medicin de distancias mediante radio).
Poco despus este avance sirvi para el anlisis de todas las fases de las operaciones
nocturnas, y el estudio se constituy en un modelo de los estudios de investigacin de
operaciones que siguieron.

Pgina 6 de 85
En agosto de 1940 se organiz un grupo de investigacin, bajo la direccin de P. M.

S. Blackett, de la Universidad de Manchester, para estudiar el uso de un nuevo sistema
antiareo controlado por radar. Se conoci al grupo de investigacin como el Circo de
Blackett, nombre que no parece desatinado a la luz de sus antecedentes y orgenes
diversos. El grupo estaba formado por tres fisilogos, dos fisicomatemticos, un
astrofsico, un oficial del ejrcito, un topgrafo, un fsico general y dos matemticos.
Parece aceptarse comnmente que la formacin de este grupo constituye el inicio de la
investigacin de operaciones.
Blackett y parte de su grupo, participaron en 1941 en problemas de deteccin de
barcos y submarinos mediante un radar autotransportado. Este estudio condujo a que
Blackett fuera nombrado director de Investigacin de Operacin Naval del Almirantazgo
Britnico. Posteriormente, la parte restante de su equipo pas a ser el grupo de
Investigacin de Operaciones de la Plana de Investigacin y Desarrollo de la Defensa
Area, y luego se dividi de nuevo para formar el Grupo de Investigacin de
Operaciones del Ejrcito. Despus de la guerra, los tres servicios tenan grupos de
Como ejemplo de esos primeros estudios est el que plante la Comandancia
Costera que no lograba hundir submarinos enemigos con una nueva bomba
antisubmarina. Las bombas se preparaban para explotar a profundidades de no menos
de 30 m. Despus de estudios detallados, un profesor apellidado Williams lleg a la
conclusin de que la mxima probabilidad de muerte ocurrira con ajustes para
profundidades entre 6 y 7 m. Entonces se prepararon las bombas para mnima
profundidad posible de 10 m, y los aumentos en las tasas de muertes, segn distintas
estimaciones, se incrementaron entre un 400 y un 700%. De inmediato se inici el
desarrollo de un mecanismo de disparo que se pudiera ajustar a la profundidad ptima
de 6 a 7m. Otro problema que consider el Almirantazgo fueron las ventajas de los
convoyes grandes frente a los pequeos. Los resultados fueron a favor de los
convoyes grandes.
A pocos meses de que Estados Unidos entrara en la guerra, en la fuerza area del
ejrcito y en la marina se iniciaron actividades de investigacin de operaciones. Para el
Da D (invasin aliada de Normanda), en la fuerza area se haban formado veintisis
grupos de investigacin de operaciones, cada uno con aproximadamente diez
cientficos. En la marina se dio un proceso semejante. En 1942, Philip M. Morris, del
Instituto Tecnolgico de Massachussets, encabez un grupo para analizar los datos de
ataque marino y areo en contra de los submarinos alemanes. Luego se emprendi
otro estudio para determinar la mejor poltica de maniobrabilidad de los barcos en
convoyes a fin de evadir aeroplanos enemigos, e incluso los efectos de la exactitud
antiarea. Los resultados del estudio demostraron que los barcos pequeos deberan
cambiar su direccin gradualmente.

Pgina 7 de 85
Al principio, la investigacin de operaciones se refera a sistemas existentes de

armas y a travs del anlisis, tpicamente matemtico, se buscaban las polticas
ptimas para la utilizacin de esos sistemas. Hoy da, la investigacin de operaciones
todava realiza esta funcin dentro de la esfera militar; sin embargo, lo que es mucho
ms importante, ahora se analizan las necesidades del sistema de operacin con
modelos matemticos, y se disea un sistema (o sistemas) de operacin que ofrezca la
capacidad ptima.
El xito de la investigacin de operaciones en la esfera de lo militar qued bastante
bien documentado hacia finales de la Segunda Guerra Mundial. El general Arnold
encarg a Donald Douglas, de la Douglas Aircraft Corporation, en 1946, la direccin de
un proyecto Research And Development (RAND Investigacin y Desarrollo) para la
Fuerza Area. La corporacin RAND desempea hoy da un papel importante en la
investigacin que se lleva a cabo en la Fuerza Area.
A partir del inicio de la investigacin de operaciones como disciplina, sus
caractersticas ms comunes son:
Enfoque de sistemas.
Modelado matemtico.
Enfoque de equipo.
Estas caractersticas prevalecieron a ambos lados del Atlntico, a partir del
desarrollo de la investigacin de operaciones durante la Segunda Guerra Mundial.
Para maximizar la capacidad militar de entonces, fue necesario un enfoque de
sistemas. Ya no era tiempo de tomar decisiones de alto nivel sobre la direccin de una
guerra que exiga sistemas complicados frente a la estrategia de guerras anteriores o
como si se tratara de un juego de ajedrez.
La computadora digital y el enfoque de sistemas fueron preludios necesarios del
procedimiento matemtico de los sistemas militares de operaciones. Las matemticas
aplicadas haban demostrado su utilidad en el anlisis de sistemas econmicos, y el
uso de la investigacin de operaciones en el anlisis de sistemas demostr igualmente
su utilidad.
Para que un anlisis de un sistema militar de operaciones fuera tecnolgicamente
factible, era necesario tener una comprensin tcnica adecuada, que tomara en cuenta
todas las subcomponentes del sistema. En consecuencia, el trabajo de equipo result
ser tan necesario como efectivo y origino esta materia que ahora usted est llevando.

Pgina 8 de 85
1.2 Naturaleza de investigacin de operaciones

La toma de decisiones es un proceso que se inicia cuando una persona observa un
problema y determina que es necesario resolverlo procediendo a definirlo, a formular
un objetivo, reconocer las limitaciones o restricciones, a generar alternativas de
solucin y evaluarlas hasta seleccionar la que le parece mejor, este proceso puede ser
cualitativo o cuantitativo. El enfoque cualitativo se basa en la experiencia y el juicio
personal, las habilidades necesarias en este enfoque son inherentes en la persona y
aumentan con la prctica. En muchas ocasiones este proceso basta para tomar buenas
decisiones. El enfoque cuantitativo requiere habilidades que se obtienen del estudio de
herramientas matemticas que le permitan a la persona mejorar su efectividad en la
toma de decisiones. Este enfoque es til cuando no se tiene experiencia con problemas
similares o cuando el problema es tan complejo o importante que requiere de un
anlisis exhaustivo para tener mayor posibilidad de elegir la mejor solucin.
La investigacin de operaciones proporciona a los tomadores de decisiones bases
cuantitativas para seleccionar las mejores decisiones y permite elevar su habilidad
para hacer planes a futuro.
En el ambiente socioeconmico actual altamente competitivo y complejo, los
mtodos tradicionales de toma de decisiones se han vuelto inoperantes e inadmisibles
ya que los responsables de dirigir las actividades de las empresas e instituciones se
enfrentan a situaciones complicadas y cambiantes con rapidez que requieren de
soluciones creativas y prcticas apoyadas en una base cuantitativa slida.
En organizaciones grandes se hace necesario que el tomador de decisiones tenga
un conocimiento bsico de las herramientas cuantitativas que utilizan los especialistas
para poder trabajar en forma estrecha con ellos y ser receptivos a las soluciones y
recomendaciones que se le presenten.
En organizaciones pequeas puede darse que el tomador de decisiones domine las
herramientas cuantitativas y l mismo las aplique para apoyarse en ellas y as tomar
sus decisiones.
Desde al advenimiento de la Revolucin Industrial, el mundo ha sido testigo de un
crecimiento sin precedentes en el tamao y la complejidad de las organizaciones. Los
pequeos talleres artesanales se convirtieron en las corporaciones actuales de miles
de millones de pesos. Una parte integral de este cambio revolucionario fue el gran
aumento en la divisin del trabajo y en la separacin de las responsabilidades
administrativas en estas organizaciones. Los resultados han sido espectaculares. Sin
embargo, junto con los beneficios, el aumento en el grado de especializacin creo
nuevos problemas que ocurren hasta la fecha en muchas empresas. Uno de estos
problemas es la tendencia de muchas de las componentes de una organizacin a
convertirse en imperios relativamente autnomos, con sus propias metas y sistemas
de valores, perdiendo con esto la visin de la forma en que encajan sus actividades y
objetivos con los de toda la organizacin. Lo que es mejor para una componente,

Pgina 9 de 85
puede ir en prdida de otra, de manera que pueden terminar trabajando con objetivos
opuestos. Un problema relacionado con esto es que, conforme la complejidad y la
especializacin crecen, se vuelve ms difcil asignar los recursos disponibles a las
diferentes actividades de la manera ms eficaz para la organizacin como un todo.
Este tipo de problemas, y la necesidad de encontrar la mejor forma de resolverlos,
proporcionaron el ambiente adecuado para el surgimiento de la INVESTIGACIN DE
OPERACIONES (IO).
Las races de la investigacin de operaciones se remontan a muchas dcadas
como ya se ha visto en la seccin anterior, cuando se hicieron los primeros intentos
para emplear el mtodo cientfico en la administracin de una empresa. Sin embargo, el
inicio de la actividad llamada investigacin de operaciones, casi siempre se atribuye a
los matemticos para la toma de decisiones en servicios militares prestados a
principios de la segunda guerra mundial existiendo una necesidad urgente de asignar
recursos escasos a las distintas operaciones militares y a las actividades dentro de
cada operacin, en la forma ms efectiva. Por esto, las administraciones militares
americana e inglesa hicieron un llamado a un gran nmero de cientficos para que
aplicaran el mtodo cientfico a ste y a otros problemas estratgicos y tcticos. De
hecho, se les pidi que hicieran investigacin sobre operaciones (militares). Estos
equipos de cientficos fueron los primeros equipos de IO. Con el desarrollo de mtodos
efectivos para el uso del nuevo radar, estos equipos contribuyeron al triunfo del
combate areo ingls. A travs de sus investigaciones para mejorar el manejo de las
operaciones antisubmarinas y de proteccin, jugaron tambin un papel importante en
la victoria de la batalla del Atlntico Norte.
Al terminar la guerra, el xito de la investigacin de operaciones en las actividades
blicas gener un gran inters en sus aplicaciones fuera del campo militar. Como la
explosin industrial segua su curso, los problemas causados por el aumento en la
complejidad y especializacin dentro de las organizaciones pasaron de nuevo a primer
plano. Comenz a ser evidente para un gran nmero de personas, incluyendo a los
consultores industriales que haban trabajado con o para los equipos de IO durante la
guerra, que estos problemas eran bsicamente los mismos que los enfrentados por la
milicia, pero en un contexto diferente.
Cuando comenz la dcada de 1950, estos individuos haban introducido el uso de
la investigacin de operaciones en la industria, los negocios y el gobierno.
Desde entonces, esta disciplina se ha desarrollado con rapidez. Se pueden
identificar por lo menos otros dos factores que jugaron un papel importante en el
desarrollo de la investigacin de operaciones durante este perodo. Uno es el gran
progreso que ya se haba hecho en el mejoramiento de las tcnicas disponibles en esta
rea. Despus de la guerra, muchos cientficos que haban participado en los equipos
de IO o que tenan informacin sobre este trabajo, se encontraban motivados a buscar
resultados sustanciales en este campo; de esto resultaron avances importantes. Un

Pgina 10 de 85
ejemplo sobresaliente es el mtodo simplex para resolver problemas de programacin

lineal desarrollado en 1947 por George Dantzing. Muchas de las herramientas
caractersticas de la investigacin de operaciones, como programacin lineal,
programacin dinmica, lneas de espera y teora de inventarios, fueron desarrolladas
casi por completo antes del trmino de la dcada de 1950.
Un segundo factor que dio mpetu al desarrollo de este campo fue el advenimiento
de las computadoras. Para manejar de una manera efectiva los complejos problemas
inherentes a esta disciplina, por lo general se requiere un gran nmero de clculos.
Llevarlos a cabo a mano puede resultar casi imposible. Por lo tanto, el desarrollo de la
computadora electrnica digital, con su capacidad para realizar clculos aritmticos,
miles o tal vez millones de veces ms rpido que los seres humanos, fue una gran
ayuda para la investigacin de operaciones.
Un avance ms tuvo lugar en la dcada de 1980 con el desarrollo de las
computadoras personales cada vez ms rpidas, acompaado de buenos paquetes de
software para resolver problemas de IO, esto puso las tcnicas al alcance de un gran
nmero de personas. Hoy en da, literalmente millones de individuos tienen acceso a
estos paquetes. En consecuencia, por rutina, se usa toda una gama e computadoras,
desde las grandes hasta las porttiles, para resolver problemas de investigacin de
operaciones.
1.3 La investigacin de operaciones en la contadura, la

administracin e informtica
Un estudio tpico de Investigacin de Operaciones (IO) agrega, en su teora, cuatro
ciencias fundamentales para el proceso del anlisis y preparacin de una decisin:
economa, matemtica, estadstica e informtica. Existe una gran variedad de
aplicaciones en diferentes industrias, como por ejemplo, aviacin y proyectiles,
automviles, comunicaciones, informtica, energa elctrica, electrnica, alimentos,
metalrgica, papel, petrleo, transporte, etc.
Las instituciones financieras y de negocio, las agencias gubernamentales y los
hospitales, vienen tambin manifestando mayor inters en su aplicacin, siendo que
posee como caracterstica importante, facilitar el proceso de tomada de decisin
racional en problemas complejos.
La IO es considerada como una ciencia aplicada cuyo objetivo es mejorar el
desempeo de las organizaciones, o sea, en sistemas productivos, recursos
materiales, financieros, humanos y ambientales (los llamados medios de
produccin"). Trabaja mediante una formulacin de modelos matemticos para ser
resueltos con el auxilio de recursos computacionales, hacindose luego el anlisis y la
implementacin de las soluciones encontradas. De esta manera, la tcnica de solucin
es precedida por la construccin de modelos, y sus resultados estn sujetos a un
anlisis de sensibilidad.
Pgina 11 de 85
La Investigacin de Operaciones (IO) es una de las alternativas de los mtodos

cuantitativos, de enorme aplicacin en la administracin, a travs de variadas tcnicas
como la teora de juegos, la teora de las colas, la teora de los diagramas, la
programacin lineal, la probabilidad y estadstica matemtica, y la programacin
dinmica.
La IO es utilizada en una grande parte de las carreras de administracin, ingeniera
informtica, y su enseanza se vuelve muy variada, siendo difcil para los docentes
alcanzar todos los asuntos en ella considerados, de una manera satisfactoria. Cuando
se habla sobre su enseanza, la atencin se vuelve, principalmente, para la
construccin de modelos, solucin y anlisis de problemas decisorios, siendo que un
estudio de caso basado en IO corresponde a la realizacin de experimentos numricos
con modelos lgico-matemticos. Estos experimentos generalmente envuelven un gran
volumen de clculos repetitivos, hacindose necesario el uso intensivo de la
computadora.
1.4 Alcances y limitaciones de la investigacin de

operaciones
La investigacin de operaciones ha tenido un impacto impresionante en el
mejoramiento de la eficiencia de numerosas organizaciones en todo el mundo. En el
proceso, la investigacin de operaciones ha hecho contribuciones significativas al
incremento de la productividad dentro de la economa de varios pases. Hay ahora ms
de 30 pases que son miembros de la International Federation of Operational Research
Societies (IFORS), en la que cada pas cuenta con una sociedad de investigacin de
operaciones.
Sin duda, el impacto de la investigacin de operaciones continuar aumentando.
Por ejemplo, al inicio de la dcada de los 90, el U.S. Bureau of Labor Statistics predijo
que la IO sera el rea profesional clasificada como la tercera de ms rpido
crecimiento para los estudiantes universitarios en Estados Unidos, graduados entre
1990 y 2005. Pronostic tambin que, para el ao 2005, habra 100 000 personas
trabajando como analistas de investigacin de operaciones.
Al aplicar la I de O al estudio de sistemas y a la resolucin de problemas se corre el
riesgo de tratar de manipular los problemas para buscar que se ajusten a las diferentes
tcnicas, modelos de algoritmos establecidos en lugar de analizar los problemas y
buscar resolverlos obteniendo las soluciones mejores, utilizando los mtodos
apropiados, es decir resolver el problema utilizando los mtodos que proporcionan las
mejoras soluciones y no buscar ajustar el problema a un mtodo especfico.
Para llegar a hacer un uso apropiado de la I de O, es necesario primero comprender
la metodologa para resolver los problemas, as como los fundamentos de las tcnicas
de solucin para de esta forma saber cundo utilizarlas o no en las diferentes
circunstancias.
Pgina 12 de 85
No todo es color de rosa, en la investigacin de operaciones existen restricciones:

1) Frecuentemente es necesario hacer simplificaciones del problema original
para poder manipularlo y detener una solucin.
2) La mayora de los modelos slo considera un solo objetivo y frecuentemente
en las organizaciones se tienen objetivos mltiples.
3) Existe la tendencia a no considerar la totalidad de las restricciones en un
problema prctico, debido a que los mtodos de enseanza y entrenamiento
dan la aplicacin de esta ciencia centralmente se basan en problemas
pequeos para razones de ndole prctico, por lo que se desarrolla en los
alumnos una opinin muy simplista e ingenua sobre la aplicacin de estas
tcnicas a problemas reales.
4) Casi nunca se realizan anlisis costo-beneficio de la implantacin de
soluciones definidas por medio de la I de O, en ocasiones los beneficios
potenciales se van superados por los costos ocasionados por el desarrollo e
implantacin de un modelo.
ACTIVIDADES
Renase con sus compaeros de grupo y visiten diversas empresas, describan las
actividades que realizan y cules son los objetivos que persigue la empresa a corto
plazo.
EVALUACION
1) Qu persigue la investigacin de operaciones y cules son los logros hasta

ahora?
2) Por qu se llama investigacin de operaciones?
3) Menciona la historia de la investigacin de operaciones.
4) Por qu est limitado el estudio de la investigacin de operaciones?
5) Mencione dos problemas que se puedan resolver haciendo uso de la

Pgina 13 de 85
2. PROGRAMACIN LINEAL
La programacin matemtica es una potente tcnica de modelado usada en el
proceso de toma de decisiones. Cuando se trata de resolver un problema de este tipo,
la primera etapa consiste en identificar las posibles decisiones que pueden tomarse;
esto lleva a identificar las variables del problema concreto. Normalmente, las variables
son de carcter cuantitativo y se buscan los valores que optimizan el objetivo. La
segunda etapa supone determinar que decisiones resultan admisibles; esto conduce a
un conjunto de restricciones que se determinan teniendo presente la naturaleza del
problema en cuestin. En la tercera etapa, se calcula el coste/beneficio asociado a cada
decisin admisible; esto supone determinar una funcin objetivo que asigna, a cada
conjunto posible de valores para las variables que determinan una decisin, un valor
de coste/beneficio. El conjunto de todos estos elementos define el problema de
optimizacin.
La programacin lineal (PL), que trata exclusivamente con funciones objetivos y
restricciones lineales, es una parte de la programacin matemtica, y una de las reas
ms importantes de la matemtica aplicada. Se utiliza en campos como la ingeniera, la
economa, la gestin, y muchas otras reas de la ciencia, la tcnica y la industria.
2.1 Elementos de un problema de programacin lineal

En este captulo se introduce la programacin lineal por medio de varios ejemplos
seleccionados. Para empezar nuestra exposicin se hace notar que cualquier problema
de programacin lineal requiere identificar cuatro componentes bsicos:
1. El conjunto de datos.
2. El conjunto de variables involucradas en el problema, junto con sus
dominios respectivos de definicin.
3. El conjunto de restricciones lineales del problema que definen el conjunto de
soluciones admisibles.
4. La funcin lineal que debe ser optimizada (minimizada o maximizada).
Un problema de programacin lineal con dos variables tiene por finalidad optimizar
(maximizar o minimizar) una funcin lineal f ( x, y ) = ax + by llamada funcin
objetivo, sujeta a una serie de restricciones presentadas en forma de sistema de
inecuaciones con dos incgnitas de la forma:
a1 x + b1 x c1
a2 x + b2 x c2

an x + bn x cn

Pgina 14 de 85
Cada desigualdad del sistema de restricciones determina un semiplano. El conjunto

interseccin de todos esos semiplanos recibe el nombre de zona de soluciones
factibles. El conjunto de los vrtices del recinto se denomina conjunto de soluciones
factibles bsicas y el vrtice donde se presenta la solucin ptima se llama solucin
mxima (o mnima segn el caso). El valor que toma la funcin objetivo en el vrtice de
solucin ptima se llama valor del programa lineal.
El procedimiento a seguir para resolver un problema de programacin lineal en dos
variables ser, pues:
1. Elegir las incgnitas.
2. Escribir la funcin objetivo en funcin de los datos del problema.
3. Escribir las restricciones en forma de sistema de inecuaciones.
4. Averiguar el conjunto de soluciones factibles representando grficamente
las restricciones.
5. Calcular las coordenadas de los vrtices del recinto de soluciones factibles
(si son pocos).
6. Calcular el valor de la funcin objetivo en cada uno de los vrtices para ver
en cul de ellos presenta el valor mximo o mnimo segn nos pida el
problema (hay que tener en cuenta aqu la posible no existencia de solucin
si el recinto no es acotado).
En las secciones que siguen se da una lista de ejemplos, prestando especial
atencin en cada caso a estos cuatro elementos.
La lista seleccionada no es sino una muestra de la gran cantidad de problemas de
programacin lineal (PPL) disponibles en las referencias. El objetivo en dicha seleccin
es poder ilustrar de manera clara el alcance de la programacin lineal y ayudar a
nuestros lectores a familiarizarse con los cuatro elementos descritos ms arriba.
2.2 El mtodo grfico

El mtodo grfico se emplea para resolver problemas que presentan slo 2
variables de decisin. El procedimiento consiste en trazar las ecuaciones de las
restricciones en un eje de coordenadas X1, X2 para tratar de identificar el rea de
soluciones factibles (soluciones que cumplen con todas las restricciones).
La solucin ptima del problema se encuentra en uno de los vrtices de esta rea
de soluciones creada, por lo que se buscar en estos datos el valor mnimo o mximo
del problema.
EJEMPLO
Un comprador est tratando de seleccionar la combinacin ms barata de dos
alimentos, que debe cumplir con ciertas necesidades diarias de vitaminas. Los
requerimientos vitamnicos son por lo menos 40 unidades de vitamina W, 50 unidades
de vitamina X y 49 unidades de vitamina Y. Cada onza del alimento A proporciona 4

Pgina 15 de 85
unidades de vitamina W, 10 unidades de vitamina X y 7 unidades de vitamina Y; cada

onza del alimento B proporciona 10 unidades de W, 5 unidades de X y 7 unidades de Y.
El alimento A cuesta 5 pesos/kilogramo
os/kilogramo y el alimento B cuesta 8 pesos/kilogramo.
Paso 1: Formulacin del problema.
La meta en este problema es encontrar la manera menos costosa para satisfacer
las necesidades vitamnicas. Las dos alternativas disponibles son los alimentos A y B.
Matemticamente
atemticamente la funcin objetivo es:

Las restricciones son los requerimientos mnimos de las tres vitaminas. stas se
muestran enseguida:
Restricciones: 4A + 10B 40 vitamina W
10A
0A + 5B 50 vitamina X
7A + 7B 49 vitamina Y
A 0, B 0 no negatividad
Paso 2: Grfica de las restricciones.
El procedimiento para graficar es el mismo que se us antes: (1) (1 graficar cada
ecuacin de restriccin; (2) graficar el rea apropiada. Para la primera restriccin la
ecuacin es 4A+10B=40. Las dos intersecciones con los ejes son (0,4) y (10,0).
Luego se grafica la restriccin para la vitamina X. La ecuacin 10A+5B=50
10A+5B=5 tiene
intersecciones con los ejes en (0,10) y (5,0).
Y finalmente la tercera restriccin, este segundo paso queda terminado, como se
muestra en la siguiente figura:
Paso 3: Localizacin de la solucin ptima.

En la figura anterior se observa que el punto b es la interseccin de dos lneas:
Pgina 16 de 85
4A + 10B = 40
7A + 7B = 49
Resolviendo el sistema de ecuaciones A=5 y B=2.
La solucin menos costosa es 5 kilogramos de alimento A y 2 kilogramos de
alimento B. El costo total de esta combinacin es:
Z = 5A + 8B = 5(5) + 8(2) = 25 + 16 = 41 pesos
Si se usa el mtodo de prueba y error para localizar la solucin ptima, se deben
encontrar las coordenadas de los puntos a, b, c, y d. Se debe calcular despus el valor
de la funcin objetivo para cada punto.
Finalmente se muestran los resultados de este procedimiento:
Punto Coordenadas Z=5A+8B
A A = 10, B = 0 50
B A = 5, B = 2 41 menor
C A =3, B = 4 47
D A = 0, B = 10 80
EJEMPLO
Una compaa de auditores se especializa en preparar liquidaciones y auditoras de
empresas pequeas. Tienen inters en saber cuntas auditoras y liquidaciones pueden
realizar mensualmente para maximizar sus ingresos. Se dispone de 800 horas de
trabajo directo y 320 horas para revisin. Una auditora en promedio requiere de 40
horas de trabajo directo y 10 horas de revisin, adems aporta un ingreso de 300
dlares. Una liquidacin de impuesto requiere de 8 horas de trabajo directo y de 5
horas de revisin, produce un ingreso de 100 dlares. El mximo de liquidaciones
mensuales disponibles es de 60.
OBJETIVO: Maximizar el ingreso total.
VARIABLE DE DECISION:
Cantidad de auditoras (X1).
Cantidad de liquidaciones (X2).
RESTRICCIONES:
Tiempo disponible de trabajo
directo
Tiempo disponible de revisin
Nmero mximo de liquidaciones.
MAXIMIZAR
Z=300X1+100X2
SUJETO A:
40X1+8X2800
10X1+5X2320
X260
Pgina 17 de 85
X1,X20
La solucin ptima siempre se encuentra en uno de los vrtices del conjunto de
soluciones factibles. Se analizan estos valores en la funcin objetivo. El vrtice que
representa el mejor valor de la funcin objetivo ser la solucin ptima.
(0,60)
Z=300(0)+100(60)=6,000
(2,60)
Z=300(2)+100(60)=6,600
(12,40)
Z=300(12)+100(40)=7,600
(20,0)
Z=300(20)+100(0)=6,000
(0,0)
Z=300(0)+100(0)=6,000
SOLUCIN PTIMA.
X1= 12 auditorias
X1= 40 liquidaciones
Z=$7,600
Observe como ambos ejemplos se han resuelto de manera grafica pero en el

primero nos interesaba minimizar la funcin objetivo y por tanto lo que estaba
afuera del rea y en este nos ha interesado maximizar a la funcin por lo que ahora
nos hemos interesado por la parte sombreada.
2.3 El mtodo simplex

El mtodo del simplex fue creado en 1947 por el matemtico George Dantzig.
El mtodo del simplex se utiliza, sobre todo, para resolver problemas de
programacin lineal en los que intervienen tres o ms variables.
El lgebra matricial y el proceso de eliminacin de Gauss-Jordan para resolver un
sistema de ecuaciones lineales constituyen la base del mtodo simplex.
Es un procedimiento iterativo que permite ir mejorando la solucin a cada paso. El
proceso concluye cuando no es posible seguir mejorando ms dicha solucin.
Partiendo del valor de la funcin objetivo en un vrtice cualquiera, el mtodo
consiste en buscar sucesivamente otro vrtice que mejore al anterior. La bsqueda se
hace siempre a travs de los lados del polgono (o de las aristas del poliedro, si el
nmero de variables es mayor). Cmo el nmero de vrtices (y de aristas) es finito,
siempre se podr encontrar la solucin.
El mtodo del simplex se basa en la siguiente propiedad: si la funcin objetivo, f,
no toma su valor mximo en el vrtice A, entonces hay una arista que parte de A, a lo
largo de la cual f aumenta.

Pgina 18 de 85
EJEMPLO
Con miras a conocer la metodologa que se aplica en el Mtodo SIMPLEX, vamos a
resolver el siguiente problema:
Maximizar Z=f(x,y)=3x+2y
sujeto a: 2x+y18
2x+3y 42
3x+y24
x,y0
SOLUCION
1. Convertir las desigualdades en igualdades
Se introduce una variable de holgura por cada una de las restricciones, para
convertirlas en igualdades, resultando el sistema de ecuaciones lineales:
2x+y+h=18
2x+3y+s=42
3x+y+d=24
2. Igualar la funcin objetivo a cero
-3x-2y+Z=0
3. Escribir la tabla inicial simplex
En las columnas aparecern todas las variables del problema y, en las filas,
los coeficientes de las igualdades obtenidas, una fila para cada restriccin y la
ltima fila con los coeficientes de la funcin objetivo:
Tabla I . Iteracin n 1
Base Variable de decisin Variable de holgura Valores solucin
x y h s d
h 2 1 1 0 0 18
s 2 3 0 1 0 42
d 3 1 0 0 1 24
Z -3 -2 0 0 0 0
4. Encontrar la variable de decisin que entra en la base y la variable de holgura que
sale de la base
a) Para escoger la variable de decisin que entra en la base, nos fijamos
en la ltima fila, la de los coeficientes de la funcin objetivo y
escogemos la variable con el coeficiente negativo mayor (en valor
absoluto).
En nuestro caso, la variable x de coeficiente -3.
Si existiesen dos o ms coeficientes iguales que cumplan la condicin
anterior, entonces se elige uno cualquiera de ellos.

Pgina 19 de 85
Si en la ltima fila no existiese ningn coeficiente negativo, significa

que se ha alcanzado la solucin ptima. Por tanto, lo que va a
determinar el final del proceso de aplicacin del mtodo del simplex, es
que en la ltima fila no haya elementos negativos.
La columna de la variable que entra en la base se llama columna pivote
(En color azulado).
b) Para encontrar la variable de holgura que tiene que salir de la base, se
divide cada trmino de la ltima columna (valores solucin) por el
trmino correspondiente de la columna pivote, siempre que estos
ltimos sean mayores que cero. En nuestro caso:
18/2 [=9] , 42/2 [=21] y 24/3 [=8]
Si hubiese algn elemento menor o igual que cero no se hace dicho
cociente. En el caso de que todos los elementos fuesen menores o
iguales a cero, entonces tendramos una solucin no acotada y no se
puede seguir.
El trmino de la columna pivote que en la divisin anterior d lugar al
menor cociente positivo, el 3, ya 8 es el menor, indica la fila de la
variable de holgura que sale de la base, d. Esta fila se llama fila pivote
(En color azulado).
Si al calcular los cocientes, dos o ms son iguales, indica que
cualquiera de las variables correspondientes pueden salir de la base.
c) En la interseccin de la fila pivote y columna pivote tenemos el
elemento pivote operacional, 3.
5. Encontrar los coeficientes de la nueva tabla.
Los nuevos coeficientes de x se obtienen utilizando el siguiente esquema:
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)

Pgina 20 de 85
Vemoslo con un ejemplo (fila s) una vez calculada la fila del pivote (fila de x
en la Tabla II):
Vieja fila de s 2 3 0 1 0 42
- - - - - -
Coeficiente 2 2 2 2 2 2
x x x x x x
Nueva fila pivote 1 1/3 0 0 1/3 8
= = = = = =
Nueva fila de s 0 7/3 0 1 -2/3 26
De manera similar se procede para las dems filas, incluyendo la de la
funcin objetivo. Obteniendo la siguiente tabla.
Tabla II . Iteracin n 2
Bas Variable de Variable de Valores
e decisin holgura solucin
x Y h s d
h 0 1/3 1 0 -2/3 2
s 0 7/3 0 1 -2/3 26
x 1 1/3 0 0 1/3 8
Z 0 -1 0 0 1 24
Como en los elementos de la ltima fila hay uno negativo, -1, significa que no
hemos llegado todava a la solucin ptima. Hay que repetir el proceso:
a) La variable que entra en la base es y, por ser la variable que
corresponde al coeficiente -1
b) Para calcular la variable que sale, dividimos los trminos de la ltima
columna entre los trminos correspondientes de la nueva columna
pivote:
2/(1/3) [=6] , 26/(7/3) [=78/7] y 8/(1/3 [=24]
y como el menor cociente positivo es 6, tenemos que la variable de
holgura que sale es h.
c) El elemento pivote, que ahora hay que hacer 1, es 1/3.

Pgina 21 de 85
Operando de forma anloga a la anterior obtenemos la tabla:

Tabla III . Iteracin n 3
x y h s d
y 0 1 3 0 -2 6
s 0 0 -7 0 4 12
x 1 0 -1 0 1 6
Z 0 0 3 0 -1 30
Como en los elementos de la ltima fila hay uno negativo, -1, significa que no
hemos llegado todava a la solucin ptima. Hay que repetir el proceso:
a) La variable que entra en la base es d, por ser la variable que
corresponde al coeficiente -1
b) Para calcular la variable que sale, dividimos los trminos de la ltima
columna entre los trminos correspondientes de la nueva columna
pivote:
6/(-2) [=-3], 12/4 [=3], y 6/1 [=6]
y como el menor cociente positivo es 3, tenemos que la variable de
holgura que sale es s.
c) El elemento pivote, que ahora hay que hacer 1, es 4.
Obtenemos la tabla:
Tabla IV . Final del proceso
x y h s d
y 0 1 -1/2 0 0 12
d 0 0 -7/4 0 1 3
x 1 0 -3/4 0 0 3
Z 0 0 5/4 0 0 33
Como todos los coeficientes de la fila de la funcin objetivo son positivos,
hemos llegado a la solucin ptima.
La solucin ptima viene dada por el valor de Z en la columna de los valores
solucin, en nuestro caso: 33. En la misma columna se puede observar el vrtice
donde se alcanza, observando las filas correspondientes a las variables de
decisin que han entrado en la base: D(3,12).

Pgina 22 de 85
Si en el problema de maximizar apareciesen como restricciones inecuaciones de la

forma: ax+by c; multiplicndolas por - 1 se transforman en inecuaciones de la forma -
ax-by -c y estamos en el caso anterior.
Si en lugar de maximizar se trata de un problema de minimizar se sigue el mismo
proceso, pero cambiando el sentido del criterio, es decir, para entrar en la base se elige
la variable cuyo valor, en la fila de la funcin objetivo, sea el mayor de los positivos y
se finalizan las iteraciones cuando todos los coeficientes de la fila de la funcin
objetivo son negativos.
2.4 Doble fase

Esta estrategia se utiliza cuando no es inmediata una solucin bsica factible inicial
en las variables originales del modelo.
FASE I
Se considera un problema auxiliar que resulta de agregar tantas variables auxiliares
a las restricciones del problema, de modo de obtener una solucin bsica factible.
Resolver por Simplex un problema que considera como funcin objetivo la suma de
las variables auxiliares. Si el valor ptimo es cero, seguir a la Fase II, en caso contrario,
no existe solucin factible.
FASE II
Resolver por Simplex el problema original a partir de la solucin bsica factible
inicial hallada en la Fase I.
EJEMPLO
Max 2X1+X2
Sujeto a 10X1+10X2<= 9
10X1+5X2>=1
X1, X2>= 0
Se debe agregar X3 como variable de holgura de la restriccin 1, X4 como variable
de exceso de la restriccin 2 y X5 variable auxiliar para poder comenzar la Fase 1.
Obteniendo como resultado:
Min X5
Sujeto a 10X1+10X2+X3=9
10X1+5X2-X4+X5=1
X1, X2, X3, X4, X5>= 0
La tabla inicial asociada a la Fase I queda en consecuencia definida de la siguiente
forma:

Pgina 23 de 85
X1 X2 X3 X4 X5
X3 10 10 1 0 0 9
X5 10 5 0 -1 1 1
Z 0 0 0 0 1 0
Luego, se debe hacer 0 el costo reducido de X5, obteniendo la siguiente tabla inicial
para hacer el uso de Simplex La forma de hacerlo es Z-X5 y los resultados sern
colocados en Z:
X1 X2 X3 X4 X5
X3 10 10 1 0 0 9
X5 10 5 0 -1 1 1
Z -10 -5 0 1 0 -1
Se escoge X1 como variable que entra a la base al tener el costo reducido ms
negativo. Posteriormente, utilizando lo aprendido en la seccin anterior se selecciona
la variable que sale de la base: Min {9/10; 1/10} = 1/10, X5 sale de la base.
X 1 X2 X 3 X4 X5
X3 0 5 1 1 -1 8
X1 1 1/2 0 -1/10 1/10 1/10
Z 0 0 0 0 1 0
Una vez obtenida la solucin ptima de la Fase I, con valor ptimo cero, tomamos
X1 y X3 como variables bsicas inciales para la Fase II. Observe que solo se ha
cambiado la fila que corresponde a la funcin objetivo y se ha despreciado la columna
X5.
X 1 X2 X 3 X4
X3 0 5 1 1 8
X1 1 1/2 0 -1/10 1/10
Z -2 -1 0 0 0
Hacemos cero los costos reducidos de las variables bsicas:
X 1 X2 X 3 X4
X3 0 5 1 1 8
X1 1 1/2 0 -1/10 1/10
Z 0 0 0 -1/5 1/5

Pgina 24 de 85
X4 entra a la base. Utilizando lo estudiados anteriormente observamos que el pivote

se encuentra en la fila 1, por tanto X3 sale de la base.
X 1 X2 X 3 X4
X4 0 5 1 1 8
X1 1 1 1/10 0 9/10
Z 0 1 1/5 0 9/5
Donde la solucin ptima es: X1=9/10 X2=0 Con valor ptimo V(P) = 9/5
2.5 El mtodo de transporte

La programacin lineal se ha constituido en un mtodo ampliamente utilizado para
resolver problemas de optimizacin y planificacin empresarial. En este contexto, se
han definido varios procedimientos operativos avanzados, entre los que cabe citar el
mtodo del simplex y la solucin de los llamados problemas del transporte.
El objetivo del problema del transporte es determinar cuntas unidades de
producto deben enviarse desde cada origen hasta cada destino de forma que se
minimicen los costes totales de distribucin, se satisfaga la demanda de cada destino y
no se exceda la capacidad de oferta de cada uno de los orgenes. (El total de unidades
que salen de los centros de origen debe ser igual al total de unidades que llegan a los
centros de destino).
En 1958 se aplicaron los mtodos de la programacin lineal a un problema
concreto: el clculo del plan ptimo del transporte de arena de construccin a las
obras de edificacin de la ciudad de Mosc. En este problema haba 10 puntos de
partida y 230 de llegada. El plan ptimo de transporte, calculado con el ordenador
Strena en 10 das del mes de junio, rebaj un 11% los gastos respecto a los costes
previstos.
Los mtodos que se vern pretenden reducir el mnimo del costo del transporte y
satisfacer los requerimientos de los mercados dentro de las limitaciones de la
capacidad de las fbricas.
Hay mercados M1, M2, M3, etc., cada uno con ciertos requerimientos de productos
homogneos S1, S2, S3, los cuales deben ser satisfechos por lo que se produce en las
plantas.
Hay plantas P1, P2, P3, etc. Y cada una puede producir cierta cantidad de productos
r1, r2, r3.
Xij, es el material que se desplaza entre un mercado y una planta.
Donde:
i = designa la planta.
j = designa el mercado.
Cij, es el costo de desplazamiento del producto entre el mercado y la planta.
Pgina 25 de 85
Una condicin a establecer es que todo lo debe ser demandado.
2.5.1 Mtodo de esquina noroeste

Para la solucin a travs de este mtodo se siguen los siguientes pasos:
1. Se asigna lo ms que se pueda a cada celda seleccionada y se ajustan las
cantidades asociadas de la oferta y demanda restando la cantidad asignada.
2. Se sale del rengln o columna si se ha alcanzado el valor de cero en la oferta
o la demanda y adems es conveniente tacharlo para indicar que no se
pueden hacer ms asignaciones en este rengln o columna. Si un rengln y
una columna dan cero al mismo tiempo es recomendable tachar los dos.
3. Si queda un rengln o columna sin tachar detenerse, en caso contrario
avanzar a la celda de la derecha si lo que se tacho fue una columna o a la de
abajo si lo que se tacho fue un rengln.
EJEMPLO:
Una compaa tiene 3 almacenes con 15, 25 y 5 artculos disponibles
respectivamente. Con estos productos disponibles desea satisfacer la demanda de 4
clientes que requieren 5, 15, 15 y 10 unidades respectivamente. Los costos asociados
con el envo de mercanca del almacn al cliente por unidad se dan en la siguiente
tabla.
Clientes
Almacn 1 2 3 4
1 10 0 20 11
2 12 7 9 20
3 0 14 16 18
Construya la solucin bsica inicial por el mtodo de la esquina noroeste.

Pgina 26 de 85
Observe como se han mantenido tanto horizontal como verticalmente las

cantidades con el fin de cubrir los pasos del mtodo citado.
EJEMPLO 2.
Una compaa de renta de autos tiene problemas de distribucin debido a que los
acuerdos de renta permiten que los autos se entreguen en lugares diferentes a aquellos
en que originalmente fueron rentados. Por el momento, hay 2 lugares (fuentes) con 15 y
13 autos en exceso, respectivamente, y cuatro lugares (destinos) en los que se
requieren 9, 6, 7, y 9 autos respectivamente. Los costos unitarios de transporte en
dlares entre los lugares son los siguientes:
Elabore la tabla inicial de transporte por el mtodo de la esquina noroeste.
Crear un origen ficticio con autos disponibles.

Pgina 27 de 85
2.5.2 Mtodo de costo mnimo

El mtodo de costo mnimo trata de localizar una mejor solucin inicial del modelo
de transporte, utilizando las rutas baratas.
El procedimiento es como sigue: asigne tanto como sea posible a la variable con el
costo unitario ms pequeo en la tabla completa. Si la columna y el rengln se
satisfacen simultneamente nicamente uno puede ser tachado. Despus ajuste la
oferta y la demanda para todos los elementos no tachados, repita el proceso asignando
tanto como sea posible a la variable no tachada con el costo unitario ms pequeo. El
procedimiento est completo cuando slo un rengln o una columna estn sin tachar.
EJEMPLO
Considere una fbrica que tiene tres lugares de produccin (X, Y, Z) y tres
almacenes con sus respectivas demandas, datos que son mostrados en la tabla:
FABRICA PROD. PLANEADA ALMACEN REQUERIMIENTO
X 150 A 90
Y 40 B 70
Z 80 C 50
D 60
270 270
Los primero que se observa es que el problema esta balanceado, dado que la
produccin y la demanda tienen un valor numrico de 270.
Los costos de transporte de los productos son mostrados en la siguiente tabla.

Pgina 28 de 85
A B C D
X $27 $23 $31 $69 150
Y $10 $45 $40 $32 40
Z $30 $54 $35 $57 80
90 70 50 60 270
De acuerdo a lo que se ha planteado debemos localizar el menor de los costos y a
partir de este ir asignando la cantidad de productos. Obteniendo como solucin la
tabla.
A B C D
X $27 50 $23 70 $31 30 $69 150
Y $10 40 $45 $40 $32 40
Z $30 $54 $35 20 $57 60 80
90 70 50 60 270
En color rojo se marcaron las asignaciones hechas, se ha empezado por el 10 de la
columna A fila Y dado que era el menor valor.
2.5.3 Mtodo de Vogel

Este mtodo se utiliza para mejorar los costos y se parte de una matriz previamente
balanceada, Los pasos para hacer uso de este mtodo son los siguientes:
Determinar para cada rengln o columna una medida de penalizacin restando el
elemento del costo unitario mnimo en el rengln o columna del elemento con costo
unitario siguiente del mismo rengln o columna.
Identificar el rengln o columna con la mayor penalizacin, romper los empates en
forma arbitraria. Asignar todo lo posible a las variables que tengan el mnimo costo
unitario del rengln o columna seleccionado. Asignar la oferta y la demanda y tachar el
rengln o columna satisfecho, en caso de satisfacer un rengln y columna en forma
simultnea solo se tacha uno de los dos y al que quede se le asigna oferta o demanda
cero.
Analizar algunas de las siguientes situaciones posibles:
a) Si queda sin tachar exactamente una columna o rengln con cero oferta o
demanda detenerse.
b) Si queda sin tachar un rengln o columna con oferta o demanda positiva
determinar las variables bsicas para completar las variables.
c) Si todos los renglones y columnas que no se tacharon tienen cero oferta y
demanda determinar las variables bsicas completando y terminar.
d) En cualquier otro caso seguir en el paso 1.

Pgina 29 de 85
EJEMPLO:
Aplique el mtodo de Vogel para la tabla que se solicita.
Clientes
Almacn 1 2 3 4
1 10 2 20 11 15
2 12 7 9 20 25
3 4 14 16 18 10
5 15 15 15
De acuerdo con el paso 1 debemos de penalizar renglones y columnas, empecemos
por el primer rengln que tiene como elementos mnimos 2 y 10, entonces su
penalizacin es 8, ya que 10-2=8, en el segundo rengln 7 y 9, su penalizacin 2, y as
sucesivamente hasta completar filas y columnas el resultado es la tabla siguiente:
Clientes
Almacn 1 2 3 4
1 10 2 20 11 15 10-2=8
2 12 7 9 20 25 9-7=2
3 4 5 14 16 18 10 14-4=10
5 15 15 15
10-4=6 7-2=5 16-9=7 18-11=7
De acuerdo con el paso 2 la mayor penalizacin se localiza en el tercer rengln y
dado que la primera fila es la que presenta el elemento menor (X31) entonces aqu se
colocara la primera variable, en este caso 5, como adems se ha conseguido completar
el valor de la variable la columna 1 se tacha y ahora solo se trabajara con tres
columnas. La nueva tabla es:
Clientes
Almacn 1 2 3 4
1 10 2 15 20 11 15 11-2=9
2 12 7 9 20 25 9-7=2
3 4 5 14 16 18 10 16-14=2
5 15 15 15
7-2=5 16-9=7 18-11=7

Pgina 30 de 85
El mximo valor est localizado en el primer rengln y el mnimo elemento est

localizado en la casilla (X12) por lo tanto en esta posicin colocaremos el 2 elemento
que cubrir la variable completamente, dado que la variable es 15.
En este caso se cubre la columna y adems la fila por lo tanto debemos de tachar o
la columna o la fila solamente, en nuestro caso se tacho la columna y se lleno de ceros
la fila, es obvio que al llenarlas de cero deja de tomarse en cuenta, por lo tanto no
considerare las operaciones en el rengln 1. La nueva tabla es:
Clientes
Almacn 1 2 3 4
1 10 2 15 20 11 15 0
2 12 7 9 20 25 20-9=11
3 4 5 14 16 18 10 18-16=2
5 15 15 15
16-9=7 18-11=7
Ahora la mxima penalizacin est localizada en el rengln 2 y el menor elemento
en la fila 3 por lo tanto en la casilla X23 colocaremos otra variable que corresponde al
valor 15. Luego de tener estos tres valores es posible deducir los valores que faltan
para completar las variables. La tabla final es mostrada a continuacin.
Clientes
Almacn 1 2 3 4
1 10 2 15 20 11 15
2 12 7 9 15 20 10 25
3 4 5 14 16 18 5 10
5 15 15 15
Por tanto el valor objetivo asociado a esta solucin es:
Z=4x(5)+2x(15)+9x(15)+20x(10)+15x(5)=475

Pgina 31 de 85
2.6 El mtodo de asignacin

El algoritmo Hngaro es un algoritmo de optimizacin el cual resuelve problemas
de asignacin en tiempo.
El algoritmo modela un problema de asignacin como una matriz de costes nm,
donde cada elemento representa el coste de asignar el ensimo trabajador al ensimo
trabajo. Por defecto, el algoritmo realiza la minimizacin de los elementos de la matriz;
de ah que en caso de ser un problema de minimizacin de costes, es suficiente con
comenzar la eliminacin de Gauss-Jordan para hacer ceros (al menos un cero por lnea
y por columna). Sin embargo, en caso de un problema de maximizacin del beneficio, el
coste de la matriz necesita ser modificado para que la minimizacin de sus elementos
lleve a una maximizacin de los valores de coste originales. En un problema de costes
infinito, el coste inicial de la matriz puede ser remodelado restando a cada elemento de
cada lnea el valor mximo del elemento de esa lnea (o anlogamente columna). En un
problema de coste infinito, todos los elementos son restados por el valor mximo de la
matriz entera.
Los procedimientos para minimizar o maximizar son mostrados a continuacin:
PROCEDIMIENTO MINIMIZACIN
Este algoritmo se usa para resolver problemas de minimizacin, siendo este
mtodo de gran eficacia por el alto grado de degeneracin que pueden presentar los
problemas de asignacin. Las fases para la aplicacin del mtodo Hngaro son:
Paso 1: Encontrar primero el elemento ms pequeo en cada fila de la matriz de
costos m*m; se debe construir una nueva matriz al restar de cada costo el costo
mnimo de cada fila; encontrar para esta nueva matriz, el costo mnimo en cada
columna. A continuacin n se debe construir una nueva matriz (denominada matriz de
costos reducidos) al restar de cada costo el costo mnimo de su columna.
Paso 2: Consiste en trazar el nmero mnimo de lneas (horizontales o verticales o
ambas nicamente de esas maneras) que se requieren para cubrir todos los ceros en la
matriz de costos reducidos; si se necesitan m lneas para cubrir todos los ceros, se
tiene una solucin ptima entre los ceros cubiertos de la matriz. Si se requieren menos
de m lneas para cubrir todos los ceros, se debe continuar con el paso 3. El nmero de
lneas para cubrir los ceros es igual a la cantidad de asignaciones que hasta ese
momento se pueden realizar.
Paso 3: Encontrar el menor elemento diferente de cero (llamado k) en la matriz de
costos reducidos, que no est cubierto por las lneas dibujadas en el paso 2; a
continuacin se debe restar k de cada elemento no cubierto de la matriz de costos
reducidos y sumar k a cada elemento de la matriz de costos reducidos cubierto por dos
lneas (intersecciones). Por ltimo se debe regresar al paso 2.

Pgina 32 de 85
PROCEDIMIENTO MAXIMIZACIN
Paso 1: Para resolver un problema de asignacin en el cual la meta es maximizar la
funcin objetivo, se debe multiplicar la matriz de ganancias por menos uno (-1) y
resolver el problema como uno de minimizacin.
Paso 2: Si el nmero de filas y de columnas en la matriz de costos son diferentes, el
problema de asignacin est desbalanceado. El mtodo Hngaro puede proporcionar
una solucin incorrecta si el problema no est balanceado; debido a lo anterior, se
debe balancear primero cualquier problema de asignacin (aadiendo filas o columnas
ficticias) antes de resolverlo mediante el mtodo Hngaro.
Paso3: En un problema grande, puede resultar difcil obtener el mnimo nmero de
filas necesarias para cubrir todos los ceros en la matriz de costos actual. Se puede
demostrar que si se necesitan j lneas para cubrir todos los ceros, entonces se pueden
asignar solamente j trabajos a un costo cero en la matriz actual; esto explica porqu
termina cuando se necesitan m lneas.
Mediante el siguiente ejemplo vamos a ilustrar la manera de aplicar el mtodo
Hngaro a la solucin de un problema de asignacin de minimizacin:
EJEMPLO:
Una fbrica tiene cuatro operarios, los cuales deben ser asignados al manejo de
cuatro mquinas; las horas requeridas para cada trabajador en cada mquina se dan en
la tabla adjunta; el tiempo a laborar por cada operario en cada una de las mquinas se
pretende que sea mnimo, para lo cual se busca la asignacin ptima posible.
OPERARIOS MAQUINAS
1 2 3 4
Antonio 10 14 16 13
Bernardo 12 13 15 12
Carlos 9 12 12 11
Diego 14 13 18 16
Si quisiramos aplicar el mtodo simplex tendramos:
MIN W = 10X11+ 14X12+ 16X13+ 13X14+ 12X21+ 13X22+ 15X23+ 12X24+ 9X31+ 12X32+
12X33+ 11X34+ 14X41+ 13X42+ 18X43+ 16X44
Sujeto a las siguientes restricciones:

Pgina 33 de 85
Aplicando el mtodo Hngaro tenemos:

1 2 3 4
A 10 14 16 13
B 12 13 15 12
C 9 12 12 11
D 14 16 18 16
Paso 1: Restamos 10, 12, 9 y 14 (costos mnimos de cada fila) de cada elemento en
cada una de las filas correspondientes:
1 2 3 4
A 0 4 6 3
B 0 1 3 0
C 0 3 3 2
D 0 2 4 2
Restamos 0, 1, 3 y 0 (costos mnimos de cada columna) de cada elemento en cada
una de las columnas correspondientes:
1 2 3 4
A 0 3 3 3
B 0 0 0 0
C 0 2 0 2
D 0 1 1 2
Paso 2: En la matriz anterior trazamos el menor nmero de lneas (3), de manera

tal que cubran todos los ceros.
Paso 3: Por ltimo encontramos el menor elemento diferente de cero (llamado k)
en la matriz de costos reducidos, que no est cubierto por las lneas dibujadas en el
paso 2; a continuacin se debe restar k de cada elemento no cubierto de la matriz de

Pgina 34 de 85
costos reducidos y sumar k a cada elemento de la matriz de costos reducidos cubierto

por dos lneas (intersecciones que fueron marcadas en negro) y se debe regresar al
paso 2, de ser necesario.
1 2 3 4
A 0 2 3 2
B 1 0 1 0
C 0 1 0 1
D 0 0 1 1
Solucin ptima nica es: A-1, B-4, C-3 y D-2.
Lo anterior quiere decir que Antonio va a laborar en la mquina 1 (10 horas),
Bernardo en la mquina 4 (12 horas), Carlos va a trabajar en la mquina 3 (12 horas) y
Diego en la mquina 2 (13 horas).
La combinacin ptima de los recursos para este problema de minimizacin de
asignacin es de 47 horas, resultantes de adicionar las asignadas a cada uno de los
operarios en cada una de las mquinas. Dicho valor corresponde al valor ptimo de la
funcin objetivo.
EJEMPLO
Maximizar las ventas estimadas que pueden conseguir cada uno de los
representantes de una empresa, asignando los vendedores a una zona concreta.
Vendedor Sevilla Cdiz Crdoba Huelva Mlaga
Prez 50 35 40 25 30
Garca 60 40 50 25 60
Lpez 15 35 40 30 20
Daz 25 40 50 50 20
Snchez 60 50 30 40 30
Como maximizamos, hay que cambiar de signo:
Prez -50 -35 -40 -25 -30
Garca -60 -40 -50 -25 -60
Lpez -15 -35 -40 -30 -20
Daz -25 -40 -50 -50 -20
Snchez -60 -50 -30 -40 -30

Pgina 35 de 85
Para hallar ceros en cada fila y en cada columna, sumaremos el mayor elemento en
trminos absolutos de cada fila:
Vendedor Sevilla Cdiz Crdoba Huelva Mlaga Valor
sumado
Prez -50 -35 -40 -25 -30 +50
Garca -60 -40 -50 -25 -60 +60
Lpez -15 -35 -40 -30 -20 +40
Daz -25 -40 -50 -50 -20 +50
Snchez -60 -50 -30 -40 -30 +60
Como resultado de la operacin anterior obtenemos la siguiente tabla:
Prez 0 15 10 25 20
Garca 0 20 10 35 0
Lpez 25 5 0 10 20
Daz 25 10 0 0 30
Snchez 0 10 30 20 30
Todos los elementos son positivos, as que podemos utilizar la tabla como si fuera
un problema de minimizacin.
Nos falta encontrar un cero en la columna de Cdiz, as que:
Prez 0 15 10 25 20
Garca 0 20 10 35 0
Lpez 25 5 0 10 20
Daz 25 10 0 0 30
Snchez 0 10 30 20 30
Valor restado -5
El resultado ser la siguiente tabla:
Prez 0 10 10 25 20
Garca 0 15 10 35 0
Lpez 25 0 0 10 20
Daz 25 5 0 0 30
Snchez 0 5 30 20 30
Procedemos a encuadrar ceros:
Vendedor Sevilla Cdiz Crdoba Huelva Mlaga Nceros
Prez 0 10 10 25 20 1
Garca 0 15 10 35 0 2
Lpez 25 0 0 10 20 2
Daz 25 5 0 0 30 2
Snchez 0 5 30 20 30 1

Pgina 36 de 85
No tengo ceros encuadrados en la fila Snchez ni en la columna Huelva.

Procedemos a realizar el algoritmo hngaro:
Marcamos con asterisco la fila sin ceros encuadrados (Snchez)
Marcamos la columna en la que se encuentra el cero tachado (Sevilla)
Marcamos la fila en la que haya un cero encuadrado (Prez)
Ya no se pueden marcar ms filas y columnas
Prez 0 10 10 25 20 *
Garca 0 15 10 35 0
Lpez 25 0 0 10 20
Daz 25 5 0 0 30
Snchez 0 5 30 20 30 *
*
Se tachan las filas no marcadas y las columnas marcadas
Prez 0 10 10 25 20 *
Garca 0 15 10 35 0
Lpez 25 0 0 10 20
Daz 25 5 0 0 30
Snchez 0 5 30 20 30 *
*
El menor de los nmeros no tachados es 5.
Se resta 5 a las casillas no tachadas; y se suma 5 a las doblemente tachadas
(intercesiones):
Prez 0 5 5 20 15
Garca 5 15 10 35 0
Lpez 30 0 0 10 20
Daz 30 5 0 0 30
Snchez 0 0 25 15 25
Procedemos a encuadrar ceros:
Vendedor Sevilla Cdiz Crdoba Huelva Mlaga N ceros
Prez 0 5 5 20 15 1
Garca 5 15 10 35 0 1
Lpez 30 0 0 10 20 2
Daz 30 5 0 0 30 2
Snchez 0 0 25 15 25 2

Pgina 37 de 85
El resultado de la asignacin es:

Vendedor Zona Ventas estimadas
Prez Sevilla 50
Garca Mlaga 60
Lpez Crdoba 40
Daz Huelva 50
Snchez Cdiz 50

En esta seccin trataremos un conjunto de casos para los cuales se hace uso de
los mtodos de solucin mostrados.
EJEMPLO
Una empresa dedicada a la fabricacin de componentes de ordenador tiene dos
fbricas que producen, respectivamente, 800 y 1500 piezas mensuales. Estas piezas
han de ser transportadas a tres tiendas que necesitan 1000, 700 y 600 piezas,
respectivamente. Los costes de transporte, en pesos por pieza son los que aparecen en
la tabla adjunta. Cmo debe organizarse el transporte para que el coste sea mnimo?
Tienda A Tienda B Tienda C

Fbrica I 3 7 1
Fbrica II 2 2 6
En este tipo de problemas se exige que toda la produccin sea distribuida a los
centros de ventas en las cantidades que precisa cada uno; por tanto, no pueden
generarse inventario del producto ni en las fbricas ni en los centros de ventas.
En consecuencia, los 800 artculos producidos en la fbrica I deben distribuirse en
las cantidades x, y, z a A, B y C, de manera que x + y + z = 800. Pero, adems, si desde
fabrica I se envan x unidades a A, el resto, hasta las 1000 necesarias en A, deben ser
enviadas desde la fbrica II; esto es, 1000 - x unidades sern enviadas desde fabrica
II a A.
Del mismo modo, si desde fabrica I a B se envan y, el resto necesario, 700 - y,
deben enviarse desde fabrica II. Y lo mismo para C, que recibir z desde fabrica I y
600 - z desde fabrica II.
En la siguiente tabla de distribucin se resume lo dicho:
:
Tienda A Tienda B Tienda C
Envos
(1000) (700) (600)
Desde la fbrica I ( 800) x y 800 - x - y
Desde la fbrica II (1500) 1000 - x 700 - y x + y - 200

Pgina 38 de 85
La ltima columna la hemos obtenido de la siguiente forma:

Como x+y+z=800, se tiene que z=800-x-y, de donde, 600-z=600-(800-x-y)=x+y-200.
Ahora bien, todas las cantidades anteriores deben ser mayores o iguales que cero.
Por tanto, se obtienen las siguientes desigualdades:
x 0;
1000-x 0;
y 0;
700-y 0;
800-x-y 0;
x+y-200 0
Simplificando las desigualdades anteriores, se obtienen las siguientes
inecuaciones:
1000 x 0;
700 y 0;
800 x+y 0
x+y 200
Recordemos que nuestro objetivo es abaratar al mximo los costes de transporte.
Estos costes se hallan multiplicando las cantidades enviadas a desde cada fbrica
a cada tienda por los respectivos costes de transporte unitario.
Se obtiene:
Z=f(x,y)=3x+2(1000-x)+7y+2(700-y)+(800-x-y)+6(x+y-200)=6x+10y+3000
En definitiva, el programa lineal a resolver es:
Minimizar: Z = 6x + 10y + 3000
sujeto a: 1000 x 0
700 y 0
800 x + y 0
x+y 200
En la figura se muestra la grafica obtenida.
Sus vrtices son A(200,0) ; B(800,0) ; C(100,700) ; D(0,700) y E(0,200).
El coste, el valor de Z en cada uno de esos puntos, es:
en A, 4200
en B, 7800
en C, 10600
en D, 10000
en E, 5000
El mnimo se da en A, cuando x = 200 e y = 0.

Pgina 39 de 85
Luego, las cantidades a distribuir son:

Envos a la tienda A (1000) a la tienda B (700) a la tienda C (600)
Desde la fbrica I ( 800) 200 0 600
Desde la fbrica II (1500) 800 700 0
ACTIVIDADES
Realice ejercicios similares a los planteados a lo largo del captulo, le recomiendo

sea en equipo.
EVALUACION
1. Tres plantas de energa elctrica con capacidades de 25, 40 y 50 millones de

kilovatios/hora, proporcionan electricidad a tres ciudades. La demanda
mxima es de 30, 35 y 25 millones de kilovatios/hora. El costo de transporte
por milln de kilovatio/hora est dado en la siguiente tabla: Ciudad 1 Ciudad
2 Ciudad 3 Planta 1 $600 $700 $700 Planta 2 $320 $300 $350 Planta 3 $500
$480 $450 Encuentre una solucin ptima por el Mtodo de la esquina
noreste y el Mtodo de Modi.
2. Una empresa de transporte tiene cuatro diferentes modelos de camiones.
Dependiendo de la pericia del conductor para manejar los cambios de la caja
de velocidades, el camin consume ms o menos combustible. En la
actualidad la planta cuenta con tres conductores. Los costos por uso
adicional de combustible son:
Camin 1 Camin 2 Camin 3 Camin 4
Conductor 1 180 150 200 200
Conductor 2 250 305 450 500
Conductor 3 200 208 320 100
Encuentren la asignacin que minimiza los costos de combustible adicional.

Pgina 40 de 85
3. MODELO DE REDES
La importancia del anlisis de flujo de redes, en los ltimos aos ha crecido de una
manera progresiva en todos los campos de la planificacin; de procesos tareas y
recursos tanto econmicos como fsicos y del tiempo de los proyectos que requieren
de este tipo de planificacin.
La aplicacin de estos tipos de modelos tiene infinidades campos de accin en los
diferentes proyectos de inversin tales como:
En los proyectos de diseos de tuberas de acueducto, gas natural,
electrificacin, vas, tanto frreas como carrete hables.
En la determinacin del camino ms corto entre dos lugares o ciudades de
acuerdo a una red existente.
En la determinacin de las capacidades mximas que deben fluir a travs de
una red, de un recurso especifico.
La determinacin del programa de flujo de costo mnimo de los campos de
origen a los centros de distribucin de un recurso especial.
Un estudio de esta lista representativa, revela que los problemas de optimizacin
de redes se pueden representar en trminos generales a travs de los siguientes
modelos.
Modelo del flujo mximo
Modelo de la ruta ms corta.
Modelo del rbol de extensin mnima.
Modelo de red de capacidad de costo mnimo.
Modelo de la ruta critica.
Modelo de la tcnica de evaluacin y revisin de proyectos (PERT.
3.1 Terminologa
Para la comprensin de los diferentes modelos, se deben tener en cuenta las
siguientes definiciones.
DEFINICIN DE RED. Es un conjunto de nodos conectados por arcos o ramas, a
veces los nodos reciben el nombre de vrtices y los ramales de arcos.
CADENA: Una cadena es una secuencia de ramales que conectan dos nodos que al
especificarles direccin forman lo que se llama un camino o ruta.
RED SIMTRICA: Significa que un vrtice x est conectado a uno y; entonces
y, est conectado a x.
RED ASIMTRICA: Significa que un vrtice x est conectado a uno y; entonces
y, no est conectado a x.
CAPACIDAD: Es el flujo que circula por una determinada red y puede ser finita o
infinita.

Pgina 41 de 85
RAMA DIRIGIDA U ORIENTADA: Cuando se permite el paso de un flujo positivo en

una determinada direccin y cero en la direccin opuesta.
TRAYECTORIA: Es una secuencia de ramas que conectan dos nodos sin
considerar su orientacin de las dems ramas individuales.
LASO O CICLO: Se presenta cuando un nodo se conecta consigo mismo.
LASO DIRIJIDO U CIRCUITO: Es un lazo donde todas las ramas tienen las mismas
direccin u orientacin.
PROBLEMA DEL FLUJO MXIMO
Este problema determina el estado factible de flujos a travs de la red, que
maximiza el flujo total desde el origen hasta el destino en forma tal, que la capacidad de
cada rama en esta trayectoria sea mnima.
El flujo mximo a lo largo de esta trayectoria debe ser igual a la capacidad mnima,
de todas las ramas que constituyen la trayectoria.
3.2 Problemas de recorrido mnimo P.M.R.

Los problemas de recorrido mnimo o tambin llamados problema de rbol de
mnima expansin cuentan con un algoritmo para su solucin que busca el costo
mnimo en cada etapa y consiste en los siguientes pasos:
1. Se selecciona cualquiera de los nodos para iniciar.
2. Se analizan las ramas que conectan al nodo inicial elegido en el paso
anterior con los nodos no conectados todava a la red y se selecciona la del
costo mnimo, escogiendo al azar cuando hay empate.
3. Con los dos nodos no conectados en los pasos anteriores se busca la rama
ms econmica que conecte a cualquiera de ellos con un nuevo nodo no
conectado. Este procedimiento se repite hasta que todos los nodos de la red
hayan quedado unidos, momento en el cual hablaremos de una red optima.
Con este mismo algoritmo podemos encontrar el costo mximo aun cuando en la
realidad es poco comn que se solicite.
Mostraremos a continuacin un ejemplo:
EJEMPLO
La compaa de telfonos est buscando la
forma ms econmica de conectar el servicio
telefnico para 6 poblaciones del medio rural.
En la figura se muestra un diagrama de las
poblaciones representadas por crculos y en las
ramas se muestran los costos en miles de
pesos de las conexiones entre las dos
poblaciones.

Pgina 42 de 85
SOLUCION
Debemos hallar la red de recorrido mnimo por lo que procedemos a aplicarlo,
empezaremos por tomar el nodo de La Loma como el inicial para este caso. Despus
vemos que hay tres ramas que conectan al nodo La Loma con otros nodos,
seleccionamos Los Ojitos por ser el de costo mnimo, con esto nuestra red de conexin
ser:
La Loma cuenta con dos nodos ms, mientras que Ojitos cuenta con cuatro nodos
ms y el menor de los nodos es El Matorral con un costo de 14, la red queda ahora
como:
Ahora debemos de buscar unir cada una de las tres ramas, as seguiremos hasta
terminar con todos los nodos. La red finalmente quedara como:
El costo ser de $87 miles de pesos

Pgina 43 de 85
3.3 La ruta ms corta

Por medio de la aplicacin del algoritmo de la ruta ms corta podemos conocer la
menor distancia entre un nodo origen y un nodo destino.
1. Se elabora una tabla en donde cada columna est representada por un nodo
de la red del problema. Bajo cada nodo se colocaran las ramas que conectan
a este con el resto de los nodos de la red en orden de menor a mayor en
cuanto a su costo. Cada rama colocada en la columna de un nodo dado se
denomina conforme a la notacin indicada para ramas dirigidas, tomando al
nodo presente como su origen. En esta tabla no deben de incluirse aquellas
ramas que tengan nodo origen como su segundo nodo y/o al nodo destino
como su primero.
2. El nodo origen se marca con un asterisco en la tabla y se le asigna un valor
inicial de costo cero.
3. De las ramas colocadas en la columna de nodo origen se encierra en un
cuadro la que sea de menor costo.
4. Se pasa al nodo que est ubicado como segundo nodo de la rama
seleccionada en el paso anterior y se le seala con un asterisco y con el
costo de dicha rama.
5. Se eliminan de la tabla todas aquellas ramas que no estn encerradas en un
cuadro y que tengan como segundo nodo al sealado con asteriscos en el
paso anterior.
6. Si el ultimo nodo marcado con asterisco es el nodo destino del problema, se
deber ir al paso 12, en caso contrario se va al paso siguiente.
7. De todos los nodos que estn marcados con asterisco hasta este momento
se deber calcular el costo de la primera rama de su columna que no est
encerrada en un cuadro. Este costo denominado P ser la suma del costo
indicado en el nodo ms el de la rama en cuestin.
8. Aquella rama que resulte con el menor valor de P del paso anterior se
encerrara en un cuadro.
9. Se pasa al segundo nodo de la rama elegida anteriormente, al cual se le
seala con asterisco y se le asigna como costo el valor de P de la rama.
10. Se eliminan de la tabla todas las ramas no encerradas en un cuadro hasta
este momento que tengan al nodo marcado con asterisco del paso anterior
como su segundo nodo.
11. Se regresa al paso 6.
12. Aqu ya hemos llegado al nodo destino del problema, con lo cual lo nico
que nos falta es indicar cul es la ruta que se sigui desde el nodo origen
hasta el nodo destino, la que ser la ruta ms corta, con un costo total igual
al valor de P indicado en el nodo destino. La ruta se identifica en sentido
inverso al desarrollo del procedimiento de solucin, es decir iniciara con el

Pgina 44 de 85
nodo destino, sealando la rama que nos llevo ah, con lo que sabremos cual
fue el nodo inmediato anterior, luego se repite esto hasta llegar al nodo
origen del problema.
EJEMPLO
Un individuo busca la ruta ms corta para trasladarse de su domicilio a su trabajo
en una gran ciudad. Dicha persona vive en la colonia Arsnico y su trabajo se halla en
la colonia Flor. En la siguiente tabla se dan las distancias en kilmetros entre las
diferentes colonias por las que podra atravesar para hacer su recorrido.
Des_origen Arsnico Bromo Cloro Dino Estao Flor
Arsnico +++++ 18 +++++ 16 14 +++++
Boro 18 +++++ 12 15 +++++ 16
Cloro +++++ 12 +++++ 11 10 +++++
Dino 16 15 11 +++++ 11 9
Estao 14 +++++ 10 11 +++++ 8
Flor +++++ 16 +++++ 9 8 +++++
Como vera en la tabla algunas distancias no se indican con lo que es fcil deducir
que no es posible este recorrido.
SOLUCION
En el presente caso trataremos de hallar la distancia mnima total para ir desde el
domicilio de la persona en la colonia Arsnico, hasta su trabajo en la colonia Flor. A
las diferentes colonias las llamaremos por su letra inicial. Entonces conforme al
algoritmo con A como origen y F como nodo destino, creamos la tabla inicial de nodos
y ramas, ordenadas estas de menor a mayor en cuanto a sus distancias.
A*(0) B C D E F
AE 14 BC 12 CE 10 DF 9 EF 8
AD 16 BD 15 CD 11 DC 11 EC 10
AB 18 BF 16 CB 12 DE 11 ED 11
DB 15
En la tabla se han incluido las ramas bajo el sentido de notacin descrito en el
primer paso, as bajo el nodo B, por ejemplo, aparece la rama BC, la cual en la columna
del nodo C aparece como CB. No se han incluido aquellas que tienen como segundo
nodo a A y como primer nodo a F. Se ha marcado el nodo A con asterisco por ser el
nodo origen y se ha dado un valor de cero, se marcado AE por ser el de menor costo.
Esto de acuerdo al 2 y 3 paso.
El segundo nodo es de la rama AE es E por lo que este se seala ahora con el
asterisco y se le asigna el costo de AE, es decir 14. Y se eliminan de la tabla todas
aquellas que tengan al nodo E como segundo nodo. Ahora nuestra tabla es:

Pgina 45 de 85
A*(0) B C D E*(14) F
AE 14 BC 12 CD 11 DF 9 EF 8
AD 16 BD 15 CB 12 DC 11 EC 10
AB 18 BF 16 DB 15 ED 11
Ahora vamos al paso 6 pero como E no es el nodo destino debemos de pasar al
paso 7 y calculamos los costos de las primeras ramas marcadas y que no estn
encerradas en un recuadro. Los valores de P sern 0+16=16 y 14+8=22. Con lo que se
debe encerrar en un recuadro la rama AD por ser la de menor valor conforme al paso 8.
Luego se ir al nodo de la rama D y se marca con un asterisco y se le asigna el costo
16, de acuerdo con lo citado en el paso 9 y se eliminan de la tabla aquellas ramas no
encerradas en cuadro que tengan como segundo nodo a D, es decir BD, CD y ED. La
nueva tabla es:
A*(0) B C D*(16) E*(14) F
AE 14 BC 12 CB 12 DF 9 EF 8
AD 16 BF 16 DC 11 EC 10
AB 18 DB 15
El algoritmo nos lleva nuevamente al 6 paso y dado que D no vuelve a ser destino.
Por lo que debemos de calcular los valores de P igual como se realizo anteriormente en
la rama AB hay un valor de 18, en DF un valor de 16+9=25 y en EF un valor de 14+8=22
para P.
Entonces nuevamente debemos encerrar a AB por ser la rama con menor costo y
se le asigna a B el valor de 18, eliminando de la ltima tabla los valores de CB y DB. La
nueva tabla ser:
A*(0) B*(18) C D*(16) E*(14) F
AE 14 BC 12 DF 9 EF 8
AD 16 BF 16 DC 11 EC 10
AB 18
Puesto que el nodo B no es el destino tendremos que repetir los mismos
procedimientos que hasta ahora hemos realizado ahora los nodos marcados son A, B,
D y E y los valores de los costos para las primeras ramas no marcadas con cuadro son
BC con P=18+22=30, DF con P=16+9=25 y EF con P=14+8=22. El menor valor de P es
este ultimo por lo tanto se encierra en un cuadro la rama EF y se le asigna el valor de
22 eliminando de la tabla aquellos valores que tengan en su ltima rama a F.
A*(0) B*(18) C D*(16) E*(14) F*(22)
AE 14 BC 12 DC 11 EF 8
AD 16 EC 10
AB 18
Hemos llegado al nodo destino de acuerdo con el paso 6 y de acuerdo con el paso
12 tiene una distancia de 22. Dicha ruta se identifica iniciando la rama EF que fue la que

Pgina 46 de 85
nos llevo a F; por su parte para llegar a E debimos tomar la rama AE. Por lo que una
solucin representada de manera grafica seria:
3.4 Flujo mximo

Los problemas de flujo mximo suelen aparecer con frecuencia en la prctica de
los negocios como es el caso de los acueductos, canales y tuberas hidrulicas, lneas
de transmisin de electricidad, trnsito de vehculos en una ciudad, etc. por lo que
veremos ahora un mtodo para su solucin.
Primero establecemos que este tipo de problemas generan redes no dirigidas
cuyas ramas tienen una capacidad de flujo, el cual puede ser diferente en un sentido
que en el opuesto. Entonces el mtodo de solucin buscara encontrar un programa de
flujo mximo un punto inicial o nodo origen a uno final o nodo destino. En el problema
puede haber cualquier cantidad de puntos intermedios a los cuales se les denomina
empalmes. En estos no se puede acumular material de flujo, es decir que lo que entra
en un empalme deber de ser igual a lo que sale de l.
Para formar la red los empalmes aparecen como nodos y las ramas serian las
posibles rutas o conductos a travs de los cuales puede circular el material.
Para explicar mejor utilizaremos el siguiente
grafico con 4 nodos y 5 ramas. Las ramas tienen un
par de nmeros que representan la capacidad de
flujo en una y otra direccin, as por ejemplo la rama
AB permite la circulacin de 5 unidades de material
desde A hasta B y tres unidades en direccin
opuesta. En este ejemplo el nodo A es el origen y el nodo D es el destino y los nodos B
y C son empalmes. Con esta misma grafica podemos hablar de flujo positivo, por
ejemplo si consideramos la ruta ABBD podemos enviar 2 unidades respectivamente
(esto es lo mnimo, aun cuando AB tiene capacidad de 5 no puede enviar B ms de 2) lo
mismo ocurre para AD en donde podemos enviar 6 unidades, pero en la ruta ACCD
no puede ser positiva dado que en AC podemos enviar 3 unidades pero no se puede
enviar en CD.
Presentamos ahora el algoritmo para ilustrar la solucin:
1. Hallar de la red del problema una ruta de flujo positivo y enviar el nmero
mximo de unidades posibles, denotado por M, desde el origen al destino a
travs de dicha ruta. Si no hubiera tal ruta se deber ir al paso 4.
2. Para el envi de las M unidades del origen al destino, se debern disminuir
todas las ramas de la ruta seleccionada en el paso anterior en M unidades en
su inicio y se debern aumentar en esa misma cantidad en su parte final.

Pgina 47 de 85
3. De aqu se deber de regresar al primer paso.

4. El problema ya ha sido resuelto al llegar a este paso, dado que ya no hay
ramas de flujo positivo en la red, por lo que la cantidad mxima de flujo
posible ser la suma de todos los envos realizados en las etapas anteriores.
EJEMPLO
Para la red mostrada anteriormente determine el flujo mximo que puede ser
enviado.
SOLUCION
Para la red hemos comentado que 2 rutas de flujo positivo son AB BD con
capacidad para enviar dos unidades y la AD con capacidad para enviar 6 unidades.
Ahora de acuerdo con el paso 2 debemos disminuir la rama AD en su parte inicial
en 6 unidades y aumentar en esta misma cantidad en su parte final. Nuestra nueva red
ser:
Luego se regresara al primer paso, donde otra ruta de flujo positiva es ABBD con
capacidad para enviar 2 unidades a travs de la misma, por lo que M=2. Entonces
conforme al segundo paso disminuiremos las ramas AB y BD en sus partes inciales en
dos y las incrementaremos en esta misma cantidad en sus partes finales. Nuestro
nuevo grafico es:
Luego y de acuerdo con el paso 1 ya no hay ninguna ruta de flujo positivo puesto
que las tres ramas que llevan a D, que son BD, AD y CD tienen en su parte inicial una
capacidad de flujo de cero en la direccin hacia D. Por esto vamos al 4 paso del
algoritmo el cual menciona que la cantidad mxima de flujo corresponde a la suma de
los envos de las dos etapas anteriores, es decir 6+2=8 unidades.

Pgina 48 de 85
EJEMPLO
Una compaa
elctrica desea
determinar cul es el
amperaje mximo que
es posible enviar por
sus lneas de
transmisin desde
Pueblo Quieto hasta El
Fin de acuerdo con la
red mostrada en la figura. Los nmeros indican millones de Amperios.
SOLUCION
Una de las posibles rutas es ACCI que permite enviar 4 unidades por lo que M
ser este valor. Entonces se debe disminuir las ramas AC y CI en 4 unidades en su
inicio y aumentar en esta misma cantidad al final, ahora la red ser.
Otra ruta de flujo positivo es ABBEEGGI que puede enviar 2 unidades de A

a I. Al hacer los cambios en las ramas nuestra red es ahora:
Otra ruta es la formada por ACCHHI con capacidad de 1 unidad al hacer los
cambios en las 3 ramas en una unidad nuestra nueva red queda de la siguiente forma.

Pgina 49 de 85
Si ahora observamos esta red vemos que el acceso al nodo destino I como es el
caso de CI y de HI no tienen capacidad de flujo en la direccin hacia I. La nica rama
que llega a I que si tiene capacidad de flujo en ese sentido es la GI, sin embargo la
rama predecesora de esta es la EG no puede permitir envos en esa direccin por lo
que nuestra red actual ya no puede permitir envos en esa direccin o lo que es lo
mismo ya no hay rutas de flujo positivo.
Nuestra capacidad de flujo ser entonces de 4+2+1=7. Tendremos una cantidad
mxima de 7,000,000 de amperios que pueden ser enviados.
3.5 C.P.M. (Ruta crtica)

El CPM (Mtodo del Camino Crtico) es un proceso administrativo de planeacin,
programacin, ejecucin y control de todas las actividades componentes de un
proyecto, poniendo nfasis en las tareas crticas.
El mtodo PERT (Tcnica de Revisin y Evaluacin de Programa) es una de las
variantes del Mtodo del Camino Crtico. Presenta como particularidad, que la
determinacin de los tiempos de las actividades se hace en forma probabilstica. Est
fuertemente orientado al plazo de ejecucin y con poca consideracin hacia el costo
del proyecto.
El PERT/CPM fue diseado para proporcionar diversos elementos tiles de
informacin para los administradores del proyecto. Primero, el PERT/CPM expone la
"ruta crtica" de un proyecto. Estas son las actividades que limitan la duracin del
proyecto. En otras palabras, para lograr que el proyecto se realice pronto, las
actividades de la ruta crtica deben realizarse pronto. Por otra parte, si una actividad de
la ruta crtica se retarda, el proyecto como un todo se retarda en la misma cantidad.
Dos son los orgenes del mtodo del camino crtico: el mtodo PERT (Program
Evaluation and Review Technique) desarrollo por la Armada de los Estados Unidos de
Amrica, en 1957, para controlar los tiempos de ejecucin de las diversas actividades
integrantes de los proyectos espaciales, por la necesidad de terminar cada una de ellas
dentro de los intervalos de tiempo disponibles. Fue utilizado originalmente por el
control de tiempos del proyecto Polaris y actualmente se utiliza en todo el programa
espacial.
El mtodo CPM (Crtical Path Method), el segundo origen del mtodo actual, fue
desarrollado tambin en 1957 en los Estados Unidos de Amrica, por un centro de
investigacin de operaciones para la firma Dupont y Remington Rand, buscando el
control y la optimizacin de los costos de operacin mediante la planeacin adecuada
de las actividades componentes del proyecto.
Ambos mtodos aportaron los elementos administrativos necesarios para formar el
mtodo del camino crtico actual, utilizando el control de los tiempos de ejecucin y los
costos de operacin, para buscar que el proyecto total sea ejecutado en el menor
tiempo y al menor costo posible.

Pgina 50 de 85
El campo de accin de este mtodo es muy amplio, dada su gran flexibilidad y

adaptabilidad a cualquier proyecto grande o pequeo. Para obtener los mejores
resultados debe aplicarse a los proyectos que posean las siguientes caractersticas:
Que el proyecto sea nico, no repetitivo, en algunas partes o en su totalidad.
Que se deba ejecutar todo el proyecto o parte del, en un tiempo mnimo, sin
variaciones, es decir, en tiempo crtico.
Que se desee el costo de operacin ms bajo posible dentro de un tiempo
disponible.
Dentro del mbito aplicacin, el mtodo se ha estado usando para la planeacin y
control de diversas actividades, tales como construccin de presas, apertura de
caminos, pavimentacin, construccin de casas y edificios, reparacin de barcos,
investigacin de mercados, movimientos de colonizacin, estudios econmicos
regionales, auditoras, planeacin de carreras universitarias, distribucin de tiempos de
salas de operaciones, ampliaciones de fbrica, planeacin de itinerarios para
cobranzas, planes de venta, censos de poblacin, etc.
Esta herramienta fue diseada para proporcionar diversos tipos de informacin a
los administradores de proyectos.
Primero, el mtodo expone la ruta o camino crtico de un proyecto, es decir, la
cadena de actividades que determinan la mnima duracin del proyecto. Si una
actividad de la ruta crtica se retarda, el proyecto completo se retrasa en la misma
cantidad de tiempo.
Las actividades que no estn en la ruta crtica tienen una cierta holgura, o sea que
se pueden retrasar en su comienzo y/o su terminacin. Si las tareas no crticas se
retrasan dentro de los lmites definidos por su holgura el proyecto se mantiene en
programa. El mtodo tambin puede identificar estas actividades y determinar la
cantidad de tiempo disponible para retardos.
Muchos proyectos estn condicionados a limitaciones en sus recursos, lo cual
acarrea una programacin ms difcil. El Mtodo del Camino Crtico puede identificar
los eventos del proyecto en que las restricciones causarn problemas. En este aspecto
nuevamente juegan un papel importante las holguras, ya que retrasando alguna
actividad no crtica se pude resignar el recurso escaso a otra tarea para aliviar el
problema.
Utilizando este mtodo es posible:
Identificar las actividades cuyo retraso en la ejecucin supone un retraso del
proyecto completo (tareas crticas).
Identificar el camino formado por la secuencia de tareas crticas (camino
crtico).
Minimizar el plazo de ejecucin del proyecto, optimizando las tareas crticas
o asignndoles mayor cantidad de recursos.
Detectar y cuantificar las holguras de las actividades no crticas.

Pgina 51 de 85
Si el proyecto est se desva de los tiempos programados, saber cules

tareas hay que forzar primero.
Nos da un proyecto de coste mnimo.
Determinar las actividades ms necesarias, cundo lo son y en qu orden.
A continuacin presentamos los conceptos bsicos para poder dibujar el diagrama
PERT. Es de vital importancia que cada uno de ellos quede claramente definido y
entendido. Sobre esta base se construir la metodologa que vamos a presentar.
Nudo, suceso o acontecimiento: es el comienzo a trmino de un trabajo. No es la
ejecucin real de un trabajo. Por ejemplo escribir un informe no es un nudo, en cambio
comenzar o terminar un informe s es un nudo. Todo nudo viene caracterizado por qu
debe representar un punto significativo del proyecto, es el comienzo o el trmino de
una tarea y no consume tiempo ni recursos.
Los nudos o sucesos deben tener lugar de una manera lgica y por tanto
mantienen un orden dentro del grafo y por tanto se numerarn cada uno de ellos segn
la secuencia temporal.
Se dibujan mediante un
crculo (que
posteriormente
veremos cmo se
completa).
Actividad: Es la ejecucin real de una tarea. Recordamos que un acontecimiento
slo era el comienzo o final de una tarea, no su ejecucin. Lo representaremos por un
flecha, en dnde colocaremos el nombre de la actividad y
el coste de tiempo que supone.
En este ejemplo se ha dibujado la actividad A que
consume 5 minutos o das de tiempo. Las actividades s
que consumen tiempo, por tanto requieren mano de obra, material, instalaciones, etc.
Es decir, las actividades precisan dotarse de recursos para poder ser realizadas.
Cada actividad reside entre dos nudos. Al primero le denominaremos nudo o
acontecimiento antecedente y al segundo precedente. Siempre la relacin deber ser
directa, sin acontecimientos intermedios. Al primer nudo de una red PERT le
denominaremos iniciador, y al ltimo finalizador.
El diagrama de flechas representa las interdependencias y relaciones de
precedencia entre las actividades del proyecto. Se utiliza comnmente una flecha para
representar una actividad, y la punta indica el sentido de avance del proyecto. La
relacin de precedencia entre las actividades se especifica utilizando eventos. Un
evento representa un punto en el tiempo y significa la terminacin de algunas
actividades y el comienzo de nuevas. Las actividades que originan un cierto evento no
puede comenzar hasta que las actividades que concluyen en el mismo evento hayan
terminado. En la terminologa de la teora de redes cada actividad est representada

Pgina 52 de 85
por un arco dirigido y cada evento est simbolizado por un nodo. La longitud del arco
no tiene que ser proporcional a la duracin de la actividad ni tiene que dibujarse como
lnea recta.
Las reglas para construir el diagrama de flechas se resumirn ahora:
a) Cada actividad est representada por una y un solo una flecha en la red.
Ninguna actividad puede representarse dos veces en la red.
b) Dos actividades diferentes no pueden identificarse por los mismos eventos
terminal y de inicio.
Para la construccin del grafo PERT se ha de tener en cuenta los principios de
construccin que son los siguientes.
Principio de designacin sucesiva: se empieza a numerar los nudos por
orden, desde el principio hasta el final.
Principio de unicidad del suceso inicio y del suceso final: siempre
tendremos un nico nudo de inicio y otro de final
Principio de designacin nivoca.
En la seccin 3.7 estaremos en posibilidad de resolver ejemplos, de momento lo
invito para que realicemos un anlisis del tiempo contra el costo.
3.6 Pert/ tiempo y Pert/costo

Toda actividad consume tiempo y dinero salvo actividades ficticias, cada actividad
definida y precisada por la implantacin del grafico que fija el proceso y que ser visto
ms adelante debe de ser estimada en cuanto a la duracin de realizacin. Es
importante no considerar este concepto de duracin sino hasta despus de haber
terminado el grafico, esto es la definicin de las actividades.
La duracin debe:
Incluir los detalles de la operacin prevista.
Aproximarse tanto como sea posible a la realidad.
Expresarse en una unidad comn a todas las actividades del programa (da,
mes, ao, etc.).
Todas las actividades reales sin excepcin deben de ser objeto de una
estimacin.
En estudio del pert/tiempo se llevara a cabo en la seccin siguiente.
Pert/Costo es una extensin del Pert tiempo, en la que se consideran
explcitamente los costes. Se distinguen los costes directos y los costes de estructura.
Los costes directos se relacionan con las actividades que los generan. Los costes
indirectos se relacionan con la generalidad del proyecto.

Pgina 53 de 85
Los costes directos aumentan a medida que disminuyen las duraciones, mientras
los costes indirectos aumentan cuanto mayor sea la duracin del proyecto. Por tanto la
duracin ptima ser aquella que tenga el mnimo coste total.
Las relaciones tiempo-costo
pueden tomar muchas formas como
se ilustra en la figura. El caso A es
una relacin de tiempo costo en la
cual pueda efectuarse una reduccin
de tiempo con un moderado
incremento del costo. En cambio, el
caso B es una relacin de tiempo-
costo en la cual se puede lograr una
reduccin del tiempo con un gran
incremento del costo. El tipo mas comn de relacin costo-tiempo es una lnea recta
trazada entre el caso A y el B, la cual es una aproximacin lineal razonablemente exacta
de la relacin verdadera. Para demostrar el incremento moderado en el costo para el
caso A y el incremento grande en el costo para el caso B, se transformaron varias
lneas en la figura. Las lneas C,E,G y H estn relacionadas con el caso B.

EJEMPLO
Imaginemos que deseamos planificar un proyecto (por ejemplo la introduccin en
el mercado japons de nuestros productos). Para ello sabemos que tenemos las
siguientes fases, con la siguiente duracin en meses:
Actividades Tiempo
Etapa A: estudio de la poblacin japonesa 2 meses
Etapa B. estudio de la legislacin 1 mes
Etapa C: estudio de la competencia 1,5 meses
Etapa D: contactos con organizaciones japonesas 2 meses
Etapa E: contactos con empresas de importacin-exportacin 4 meses
Etapa F: formacin de nuestros empleados que enviaremos a Japn 9 meses
Etapa G: bsqueda de solares para implantar la empresa 0,5 meses
Actividad Actividad precedente

A -
B -
C -
D A

Pgina 54 de 85
Si hacemos una etapa detrs de la otra, E B

necesitaremos 21 meses para acabar el proyecto C F
(casi dos aos) para implantarnos en Japn. Existe G D, E
la posibilidad de hacer actividades en paralelo y as
conseguir acabar antes el proyecto. Realizando un estudio de las actividades que se
pueden hacer en paralelo y el orden de cada una de las etapas o actividades
obtendramos la siguiente tabla.
De esta tabla podemos concluir que la actividad A, B y C no necesitan
antecedentes, es decir que se pueden hacer de forma paralela y a la vez; la actividad D,
no podr empezar hasta que la actividad A est acabada y suceder lo mismo con la E,
que no empezar hasta que la B no est acabada. Para empezar la realizacin de la F
necesitamos que la C est acabada y para empezar la G, necesitamos que D y E, se
hayan concluido.
Si ahora traspasamos este razonamiento a un grafo PERT (recordar que las
actividades se representan por flechas que consumen recursos y que adems les
tenemos que dibujar un nudo de inicio y un final) obtendramos:
Como se vera se han ya numerado los nudos.

Una vez dibujado el grafo PERT se debe calcular el tiempo necesario para acabar el
proyecto.
Para realizar este clculo se necesita saber el tiempo early y el last.
Tiempo early (TE) de un acontecimiento representa el tiempo ms breve en el que
puede llevarse a cabo un acontecimiento. Viene representado por el camino de mayor
consumo de tiempo. Es el tiempo que como mximo se necesita para realizar las

Pgina 55 de 85
actividades que tenemos. Se empieza a calcular desde el primer nudo hasta el ltimo y
se sita en la cuadrcula izquierda de cada nudo.
Tiempo early del primer nudo es cero y los posteriores se calculan sumando el
tiempo early del nudo anterior ms la actividad que hay entre los nudos.
Veamos como se ve nuestra red.
Con este grafo podemos concluir que planificando correctamente cada una de
estas actividades y con el tiempo que tenemos de cada una de ellas, el proyecto se
puede acabar en menos de un ao, exactamente en 10,5 meses. Si lo comparamos con
la duracin inicial, se observa que hemos ganado 10,5 meses (que es la diferencia entre
21 meses que es lo que tardaba anteriormente el proyecto a ahora que somos capaces
de hacerlo en 10,5 meses).
El ltimo concepto que nos queda por explicar a la hora de construir un grafo Pert,
es el camino crtico. A la diferencia entre los tiempos last(TL) y early de cada
contecimiento le denominamos holgura. La existencia de holguras puede indicar
posible exceso de recursos, que un buen planificador debe minimizar.
Las holguras de cada actividad se calculan de la siguiente manera, se resta del
tiempo last del nudo final, el tiempo early del nudo inicial y el tiempo de la actividad.
Con esto conseguiremos obtener el tiempo sobrante que tenemos los recursos
parados y por tanto tiempo que se ha de intentar minimizar. Matemticamente tenemos:
Hx,y = TLy -(TEx + duracin actividadx,y )
En ejemplo que estamos utilizando para la explicacin obtendramos las siguientes
holguras:

Pgina 56 de 85
HA = TL2 -(TE1+ duracion actividadA ) = 7 - (0+ 2) = 5

HB = TL3 -(TE1+ duracion actividadB ) = 5 - (0+1) = 4
HC = TL4 -(TE1+ duracion actividadC ) = 1,5 - (0+1,5) = 0
HD = TL5 -(TE2 + duracion actividadD ) = 9 - (2+ 2) = 5
HE = TL5 -(TE3 + duracion actividadE ) = 9 -(1+ 4) = 4
HF = TL6 -(TE4 + duracion actividadF ) = 10,5 - (1,5+ 9) = 0
HG = TL6 -(TE5 + duracion actividadG) = 10,5 - (5+ 0,5) = 4
El conjunto de acontecimientos que minimizan las holguras forman un camino
crtico, por el que puede recorrerse el proyecto, es decir, el camino crtico es aquel
camino con una holgura mnima (recordando siempre que el camino crtico va desde el
nudo inicial hasta el final).
Por ejemplo si se retrasa la actividad A, es decir en lugar de hacerla en 2 meses al

final surgen problemas y se retrasa y acaba realizndose en 3 meses, como la actividad
A no forma parte del camino crtico la duracin total del proyecto no se ver
modificada, seguiremos acabndolo en 10,5 meses.
Analicemos la ruta ADG suponiendo que A se retrasa un mes mas, verdad que
no habra ningun problema, aun asi terminariamos el proyecto en 10.5 meses, en
cambio en la ruta obtenida CF si F se atrasa un mes entonces nuestro proyecto
duraria 11.5 meses, significando un retraso total del proyecto.

Pgina 57 de 85
ACTIVIDADES
Realice ejercicios similares a los planteados a lo largo del captulo, le recomiendo

sea en equipo.
EVALUACION
Utilizando el ejemplo de la seccin 3.4 determine cul es el amperaje mximo que

es posible enviar por sus lneas de transmisin desde Pueblo Quieto hasta El Fin de
acuerdo con la red mostrada en la figura que a continuacin se muestra.

Pgina 58 de 85
4. INVENTARIOS.
En este capitulo hablaremos de los inventarios, su razn de ser, la teora de

inventarios, los modelos de inventario y su complejidad.
Gould (1992) lista varias razones por las que se mantiene inventario:
Los inventarios minimizan el tiempo entre la oferta y la demanda.
La posibilidad de almacenar inventarios contribuye con frecuencia a bajar
los costos de produccin, pues es ms econmico producir algunos
artculos en grandes lotes aun cuando no haya pedidos inmediatos para
ellos.
Los inventarios proporcionan una forma disfrazada de almacenar trabajo.
El inventario es la forma de proporcionar al consumidor un servicio oportuno
del artculo que necesita.
4.1 Terminologa.
En un negocio, sea cual sea, se debe mantener algo, materiales, ingredientes,

materia prima, subensambles, piezas, o cualquier otro tipo de insumo para
transformarlos en un bien que el consumidor quiere. Si nuestro negocio es una
taquera, habremos de guardar tortillas, carne, queso, cebolla, etc. Si se trata de una
carpintera o ebanistera, tendremos a la mano madera, clavos, pegamento, barniz,
pinturas, etc. En el caso de una licorera, guardaremos una cantidad determinada de
botellas de tequila, ron, vodka, whisky, brandy, etctera.
Como se puede ver, no importa qu tipo de negocio tengamos, siempre vamos a
guardar una cantidad de algo para poder fabricar algo ms o venderlo a nuestros
clientes. Por lo general, lo que tenemos guardado est en una bodega, donde se
almacena hasta que lo necesitamos. La cantidad de cierto producto o insumo existente
en la bodega es el inventario que mantenemos de ese determinado bien. Si buscamos
en un diccionario la definicin de inventario, nos dir algo como lo siguiente:
El inventario es la cantidad de cualquier recurso o artculo usado en una empresa.
El sistema de inventarios es el conjunto de polticas y controles que establecen
niveles de inventario ptimos, puntos de reorden y tamaos ptimos de lotes por
solicitar a proveedores.
Con estos parmetros el inventario incluye entradas como recursos humanos,
financieros, energa, equipo y materia prima; salidas como componentes y producto
terminado; y procesos, intermedios de produccin como seran productos en proceso.
Dependiendo del giro de la empresa se tomarn o no algunos, o todos, los factores
antes mencionados. Por ejemplo: una empresa manufacturera puede llevar inventarios
de personal, maquinaria y equipo, capital de trabajo, productos en proceso y productos

Pgina 59 de 85
terminados. Una cerrajera podr tener un inventario de llaves y talento acumulado en

la apertura de chapas.
Por convencin, cuando uno se refiere a inventario, toma aquellos materiales que
contribuyen o forman parte del producto que produce la empresa. El inventario de
manufactura se clasifica en los siguientes segmentos:
Recursos naturales.
Producto terminado.
Partes o componentes.
Suministros.
Productos en proceso (chase).
En el caso de los servicios, el inventario se compone de aquellos bienes tangibles
que son vendidos y todos aquellos suministros que se necesitan para prestar el
servicio. Una tintorera necesita llevar un inventario de ganchos. La tintorera no
manufactura nada con los ganchos, no los vende tampoco, pero da un servicio que
requiere del gancho.
Veremos tres tipos principales de inventarios que son de inters en el rea de
produccin.
El primero, Inventario de Materia Prima, que llamaremos inventario MP, es toda la
materia prima que tenemos almacenada para producir un bien determinado. Si tenemos
una pequea imprenta, bueno, pues la materia prima para hacer un libro incluira: el
cartn para la pasta, el papel en el que se imprime el libro, la tinta o tintas con las que
se imprime el libro y la goma o el gusano con el cual se encuaderna el libro. La tinta, la
goma, el cartn y el papel son el inventario MP que tenemos almacenado en nuestro
negocio.
El segundo. Inventario de Produccin en Proceso, que llamaremos inventario PP,
es toda aquella mercanca que mantengamos en proceso de ser transformada en un
producto vendible. Si se trata de una sastrera, transformamos tela en prendas de
vestir. Primero, marcaramos la tela que va a ser transformada, conforme a patrones de
corte. Luego, tendramos que cortar toda la tela y, finalmente, se cosera la tela para
obtener una prenda de vestir. Si tomamos toda la tela y la marcamos toda, tenemos que
ir guardando la tela marcada para que luego sea cortada, y de igual manera tendremos
que guardar la tela cortada para que luego sea cosida. Aunque el proceso parezca algo
complicado (porque se podra ir marcando, cortando y cosiendo prenda por prenda)
por el tamao de la sastrera es posible que aqul slo sea realizable de esta manera.
Toda la tela que tenemos guardada, ya sea marcada para ser cortada, o cortada para
ser cosida es el inventario PP.
El tercero, Inventario de Producto Terminado, que llamaremos inventario PT, es
toda aquella mercanca que est lista para ser vendida a nuestros clientes. Si tenemos
una papelera, todas las plumas, lpices, gomas, pegamentos, cartones, cartulinas y

Pgina 60 de 85
papel que tengamos guardados para la venta a nuestros clientes, forman el inventario
PT.
4.2 Diferentes modelos.
Si hubiera un genio para producir lo que se deseara, en el momento y lugar que se

deseara, no habra inventarios. Desafortunadamente los genios estn escasos, de
manera que se usan los inventarios como amortiguador entre la oferta y la demanda.
Esto ocurre ya sea que se piense en materia prima para un proceso de produccin o en
bienes terminados almacenados por el fabricante, el distribuidor o el comerciante.
En la siguiente figura se ilustran los conceptos de inventario:
La cantidad de inventario que se tiene se comporta de manera cclica. Comienza en

un nivel alto y la cantidad se reduce conforme se sacan las unidades. Cuando el nivel
baja se coloca una orden, la cual al recibirse eleva de nuevo el nivel de inventario y el
ciclo se repite. La cantidad de inventario se controla con el tiempo y la cantidad de
cada orden.
Los inventarios pueden definirse como la cantidad de artculos, mercancas y otros
recursos econmicos que son almacenados o se mantienen inactivos en un instante de
tiempo dado.
Los recursos econmicos varan en cantidad con el tiempo en respuesta al proceso
de demanda que opera para reducir el nivel de inventario y el proceso de
abastecimiento que opera para elevarlo.
Normalmente la demanda es una variable no controlable, pero la magnitud y la
frecuencia del abastecimiento es controlable.
Los inventarios pueden comprender: materias primas, productos semiterminados o
productos en proceso y productos terminados que esperan ser embarcados desde la
fbrica (produccin de artculos).
Tambin los inventarios pueden ser: adems de artculos fsicos como, bombillos,
automviles, etctera, el efectivo, las partes del cuerpo humano, la planta de maestros
de una escuela tambin representan inventarios.
Los inventarios representan una inversin cuantiosa para muchas compaas, en
especial los fabricantes, los distribuidores, y las tiendas. Por lo que es importante
minimizar sus costos y el reto para el administrador precisamente es alcanzar el nivel
deseado de servicio al cliente a un costo mnimo.

Pgina 61 de 85
Se consideran 4 tipos de costos que estn asociados directamente con los costos
de los inventarios y estos son:
El costo o precio de compra. Incluye el precio de un artculo mas los impuestos, los
gastos de compra y los costos del transporte. Si la compaa produce el artculo,
entonces, el costo completo que debe incluirse se llama costo de produccin. Se usar
precio como sinnimo de costo de compra o costo de adquisicin.
El costo de ordenar. Dentro de los costos de ordenar se incluyen gastos de
cotizacin, telfono, fax, mano de obra para preparar la rden, timbres de correos
comidas, viticos y cualquier otro costo directo.
El costo de conservacin o mantenimiento. Dentro de los costos de mantener se
incluyen el costo de capital ( financieros), equipo de almacenamiento y movimientos,
edificios, costo de espacio ocupado, depreciacin, rentas, impuestos, seguros, costo
de oportunidad, riesgos, deterioro, mermas, desperdicios, obsolescencia, etc.
El costo de faltantes o de agotamientos. Estos son los costos de penalizacin en
que se incurre cuando se queda sin la mercanca cuando sta se necesita.
Generalmente comprende costos debido a prdida de clientes, prestigio y prdida
potencial de utilidad debido a prdidas en ventas o en aquellos casos en que no se
tiene a la mano el artculo y que posteriormente es satisfecha dicha demanda.
Consideraremos ahora los modelos de inventarios que pueden agruparse en dos
grandes categoras:
Modelos de cantidad fija de reorden.
Modelos de perodo fijo de reorden.
En los primeros la demanda se satisface a partir del inventario que se tiene. Si este
no es adecuado, entonces la orden se satisface despus o la venta se pierde. Cada vez
que se hace un retiro, el balance del inventario se ajusta para mostrar continuamente el
estado actual (sistema perpetuo). Cuando el inventario baja a un punto de reorden
establecido, se coloca una orden de reabastecimiento. Como las rdenes de
reabastecimiento son siempre por la misma cantidad, es por eso que a ste modelo se
le conoce como Modelo de cantidad fija de reorden. En la siguiente figura se muestra
un diagrama de flujo que ilustra lo que se ha expresado verbalmente.

Pgina 62 de 85
En el modelo de perodo fijo de reorden la demanda del cliente se satisface con el

inventario que se tiene y los faltantes traen como resultado ya sea el satisfacerlos
despus o la prdida de la venta. Pero aqu no existe una actualizacin perpetua de los
registros de inventario, en su lugar se hacen revisiones peridicas a intervalos fijos de
tiempo. Cuando se hace una revisin, la cantidad que se tiene (mas la cantidad
ordenada menos las faltantes) se compara con el mximo deseado y se hace un pedido
por la diferencia. El diagrama de flujo es mostrado a continuacin.

Pgina 63 de 85
4.3 El modelo de cantidad econmica de pedido en los

diferentes modelos.
En esta seccin trataremos las formulas que relacionan las cantidades de acuerdo
con los modelos vistos anteriormente.
MODELO CLASICO DE LA CANTIDAD PTIMA O ECONMICA DE PEDIDO
LLAMADO MODELO CLASICO DE LA CEP O MODELO EOQ.
Con este tipo de modelo es necesario determinar la cantidad fija que se debe
ordenar cada vez y un punto de reorden que indique cundo se debe hacer el pedido.
Al aplicar este modelo se deber tomar en consideracin las siguientes
suposiciones:
La demanda es uniforme (constante y continua).
El abastecimiento se recibe todo junto, no en partes (global).
El tiempo de entrega es constante.
Todos los costos son constantes.

Pgina 64 de 85
Algunas de las expresiones que se utilizan y de las cuales veremos ejemplos en la

seccin 4.6 son mostradas a continuacin:
(Cm)(Q) D
CT = ( NO)(Co) + NO =
2 Q
( D)(TL) 2(Co)( D)
R= = unidades Q*=
dias _ habiles _ al _ ao Cm
Dias _ habiles _ por _ ao dias _ al _ ao

Tc = =
Numero _ de _ pedidos _ por _ ao NO
Donde:
CT = Costo total anual de inventarios = Costo anual de ordenar + Costo anual de
mantenimiento o conservacin.
Costo anual de ordenar = (numero de ordenes)(costo de una sola orden)
Costo anual de ordenar = (NO)(Co)
D = demanda anual en unidades
Tc = tiempo de adelanto o tiempo de espera
Q* = cantidad optima o econmica de artculos en cada pedido
Q = es cualquier cantidad de artculos en cada pedido
NO = Numero de rdenes o pedidos por ao
Co = representa el costo en pesos de una orden:
Cm = costo de mantenimiento o conservacin por unidad anual
R = Punto de reorden.
NOTA: La demanda y el tiempo de entrega tienen que estar en las mismas unidades
de tiempo.

Pgina 65 de 85
MODELO DE LA CEP O EOQ CON DESCUENTOS POR CANTIDAD.

Se aplica cuando se reciben descuentos en la compra de una cantidad grande de
artculos.
Puede ser que el costo de tener un inventario adicional quede compensado
reduciendo el costo de compra. La forma de saber si se deben ordenar cantidades
grandes es comparar el aumento en los costos de inventario con el ahorro en el costo
de compra. Y las expresiones que se utilizan son las siguientes:
(Cm)(Q) D
CT = ( NO)(Co) + +DxP NO =
2 Q
2(Co)( D)
R = Q*=
Cm
Solo que ahora:

P=Precio del producto de compra.
CT = Costo total de inventario anual para la cantidad de pedido Q* al precio sin
descuento.
CT1 = Costo total anual del inventario considerando la cantidad Q1 de pedido con
la alternativa 1 de descuento.
MODELO DE LA CEP O MODELO EOQ CON FALTANTES.

Si los clientes aceptan que haya faltantes, es decir, que su pedido se satisfaga
despus, cuando nos se tiene un artculo en almacn, entonces la venta no se pierde.
Bajo esta condicin el inventario puede reducirse. En el lmite no se tendra ningn
inventario. Se supone entonces, que a cada unidad faltante se le asocia un costo
agregado por faltantes, de manera que se desea tener algn inventario. Los costos
anuales de inventario comprendern ahora los costos de ordenar, los de
mantenimiento y los de faltantes.
Se supone tambin que los reabastecimientos se reciben todos juntos o de golpe.
En este modelo se deben calcular 2 cantidades, Q* y el inventario mximo.

Pgina 66 de 85
D S 2Cm BCa D
CT = Co + + NO =
Q 2Q 2Q Q
2(Co)( D) Ca Cm
Q*= K= B=Q*
Cm( K ) Cm + Ca Cm + Ca
Imax=S=(K)(Q)
S
Nivel promedio de inventario=
2Q *
B
Nive promedio de pedidos pendientes=
2Q *
Dias habiles
Tc=T1+T2=
NO
Costo total anual de inventario = Costo anual de pedidos + Costo anual de
mantenimiento + Costo anual de pedidos pendientes.
(Tc)( S )
T1 = tiempo cuando hay existencias =
Q
(Tc)( B)
T2 = tiempo cuando hay existencias =
Q
De donde:
S = Nivel mximo de Inventario
B = artculos que no estn en existencia pero son artculos que se surtieran
posteriormente
Tc = tiempo de ciclo
Ca = Costo de tener una unidad como pedido pendiente durante un ao
Cm = Costo de tener una unidad en inventario durante un ao
Segn el factor K, puede observarse que, al tiempo que el costo por faltante
sobrepasa el costo de mantenimiento, K tiende a la unidad, lo cual reduce los faltantes.
Si los costos de mantenimiento y por faltante son iguales, entonces, K = , y la mitad
de todas las unidades se surtirn despus, es decir, sern faltantes.

Pgina 67 de 85
EOQ CON REABASTECIMIENTO UNIFORME.
En los modelos analizados anteriormente se ha supuesto que el pedido de

reabastecimiento se recibe completo en un instante. Para la mayor parte de los
establecimientos comerciales este es un supuesto vlido; pero en una situacin fabril,
el reabastecimiento se produce a travs de una corrida de produccin, y sta puede
consumir una cantidad considerable de tiempo para llegar a su fin.
R2 D
Imax=Q* 1 Nc =
R1 Q
Q R2
CT=costo de inventarios=(Nc)(Cp)+ (1 )Cm
2 R1
CT = Costo anual de pedidos+Costo anual de mantenimiento.
2(Cp )( D) QxDias habiles

Q*= Tc=
R2 R2
Cm(1 )
R1
En donde:
D = demanda unidades por ao
R1 = Capacidad instalada (lo que puede producir la empresa)
R2= cantidad de abastecimiento unidades por ao o capacidad aprovechada
( o capacidad de uso o sea lo que se va a fabricar o producir)
Tc= periodo de reabastecimiento o tiempo de ciclo (este nos indica cada que tanto
tiempo se debern hacer cada corrida de produccin)
Q* = cantidad optima o econmica de pedidos o lote econmico de produccin (son
los artculos que se deben de fabricar en cada corrida de produccin a fin de que los
costos totales de produccin de inventarios sean los ms bajos).
Cm = Costo de mantenimiento anual de inventario por unidad anual.
Cp= Costo de preparacin de cada corrida de produccin.
Imax = Nivel de inventario mximo.
Nc = nmero de corridas de produccin al ao.
NOTA: Con el abastecimiento uniforme, se hacen pedidos ms grandes y los
costos son menores, en cambio con el abastecimiento global las cantidades de
pedidos son ms pequeas pero el costo total anual de los inventarios son ms
grandes.

Pgina 68 de 85
Con los modelos de perodo fijo de reorden se determina un intervalo fijo ptimo
para llevar a cabo las revisiones del inventario. Entonces, cada vez que se hace un
pedido se ordena la diferencia entre algn mximo y la cantidad que se tiene. Se haran
las mismas suposiciones que se hicieron para el modelo bsico EOQ o CEP.
Demanda uniforme
Abastecimiento global.
Tiempo de entrega constante.
Costos constantes.
En este caso se encontrar el EOI (Economic Order Interval) que es el intervalo
econmico de reorden.
El inventario disponible disminuye en respuesta a la demanda. Cuando se hace la
revisin se coloca un pedido por la diferencia entre M (el mximo) y la cantidad que se
tiene. Al recibirse, el inventario se reabastece en su mximo. La primera tarea es
encontrar el intervalo ptimo de reorden (T).
Co TD
CT=costo de inventarios= + Cm
T 2
M = TD + (TL)( D ) = D(T + TL)

Donde:
T = Intervalo econmico de reorden en aos.
D = demanda anual de unidades.
Co = Costo en pesos por cada pedido.
Cm = Costo de mantenimiento de inventario expresado en pesos por unidad por
ao.
TL = tiempo de entrega o tiempo de espera o tiempo de adelanto en aos o en das.
T, D, TL deben tener las mismas unidades de tiempo.
La cantidad de pedido Q se calcula con:
Q* = M existencias en almacn al momento de efectuar el pedido.
A continuacin se presenta una tabla resumen de los visto en esta seccin.

Debido a que la tabla fue tomada de una fuente diferente Ch se refiere al costo de
mantenimiento.

Pgina 69 de 85
1. Demanda uniforme, constante continua 1. Demanda uniforme, 1. Demanda uniforme, constante 1. Demanda uniforme, constante
2. Abastecimiento global constante continua continua continua
3. precio constante 2. Abastecimiento global 2. Abastecimiento Uniforme 2. Abastecimiento global
Condici 4. tiempo de espera constante 3. Con descuento en el 3. precio constante 3. precio constante
ones 5. sin faltantes permitidos precio por cantidad 4. tiempo de espera constante 4. tiempo de espera constante
4. tiempo de espera 5. sin faltantes permitidos 5. con faltantes permitidos
constante
5. sin faltantes permitidos
Grafica
s
Q*
2 DC o 2 DC o C h + C s
2 DC o 2 DC o P *
Ch * Ch Cs
Ch Vs. Nivel de Ch PD
menor costo
Ch
Qs *Q
Ch + Cs
Q Q Qs
t1
P D
t2 PD Qs
*Q
D D
T t1 + t2 t1 + t2
QR te * D te * D ( T te )*( P - D) ; te * D ( te t2 ) * D ; ( t2 te ) * D
2 2
D Q
Co + Ch pD +
D Q
Co + Ch
D
Co +
PD
QC h D (Q Qs ) Q
CT
Co + Ch + s Cs
Q 2 Q 2 Q 2P Q 2Q 2Q
Inv. PD
Mximo Q Q Q Q Qs
P
NO D D D D
Q Q Q Q
Pgina 70 de 85
4.4 Punto de reorden.
El punto de reorden (R) estudiados en la seccin anterior es una prctica bastante

extendida en las empresas industriales y bsicamente consiste en la existencia de una
seal al departamento encargado de colocar pedidos, indicando que la existencia de
determinado material ha llegado a cierto nivel y que debe hacerse un nuevo pedido. El
punto debe ser aquel que le permita seguir produciendo mientras llega el otro pedido.
Existen diversas tcnicas para sealar el punto de reorden desde papeles en los
estantes o anaqueles a los sistemas informativos que solicitan los pedidos
automticamente cuando se llega el nivel mnimo de inventarios.
Estos puntos de reorden deben ser aprobados y estudiados por los departamentos
de compras y produccin para su establecimiento y sern responsabilidad del
departamento de produccin junto con el almacn para su control y vigilancia. Debe
haber instrucciones claras y precisas de lo que debe hacerse con las requisiciones
colocadas.
Requisicin viajera: en las empresas que han fijado puntos de reorden existen la
requisicin viajera como complemento de este y su objetivo es el ahorrar trabajo
administrativo, pues de antemano han fijado punto de control y aprobaciones para que
por este medio se fije nuevos pedidos de compras.
Para establecer la requisicin viajera es necesario estudiar:
Consumo diario, el tiempo de envi de pedidos, tiempo de surtido de proveedor
Tiempo de transportacin y entrega, tiempo de recepcin y revisin de calidad y
el tiempo de almacenaje. Existen dos sistemas que usan la requisicin viajera:
rdenes o pedidos fijos: bajo cualquier sistema de rdenes o pedidos se
ordenara siempre la misma cantidad. El tiempo de poner la orden puede
variar de acuerdo a las fluctuaciones en el uso de material. El objetivo es
poner la orden cuando la cantidad en existencia es suficiente para cubrir la
demanda mxima.
Resurtidos peridicos. Se utiliza cuando se tiene un control perpetuo de
inventarios.

Pgina 71 de 85
4.5 Descuentos.
Para propiciar las compras en gran escala, el proveedor ofrece un precio menor, si
se solicitan cantidades mayores a un mnimo.
Qu sucede cuando Q (Cantidad de pedidos) es menor que la cantidad necesaria
para obtener el descuento?
Se debe determinar si los costos totales que resultan de aceptar el descuento son
menores que el de ordenar la cantidad Q. Si es as se acepta el descuento.
El descuento produce 3 efectos:
o La reduccin del precio, produce una economa por perodo de tiempo igual
a la reduccin de costo por unidad multiplicado por el consumo del perodo.
o Como el tamao del pedido es mayor si el descuento se acepta, se hacen
menos pedidos por unidad de tiempo. Luego se obtiene una economa en el
costo total de adquisicin.
o El costo menor significa que se requiere inversin inferior en el inventario
por unidad, pero cunto mayor es el nmero del pedido mayor es el costo de
almacenamiento.
El procedimiento que se analiza toma en cuenta estos tres cambios y determina
matemticamente las circunstancias en que debe aceptarse el descuento.
Supngase que se ha determinado el tamao ptimo del pedido Q que se ofrece un
descuento d, y se solicita para obtener el descuento KQ unidades (K > 1).
Un descuento d significa que el nuevo costo de la unidad es:
(1-d)c
Donde: c = costo de la unidad.
La economa directa ser igual a:
Ocd
Donde O=demanda o consumo total.
El costo del pedido, si se solicitan KQ es: S O
Donde S = costo del pedido. KQ
El costo de mantenimiento, para un pedido de tamao KQ, ser:
KQ(C) ( 1 - d ) c
2
Donde C = costo de mantenimiento en % de c.

c = costo de la unidad.
Para que sea ventajoso aceptar el descuento, se debe producir la siguiente

ecuacin.

Pgina 72 de 85
Costo total de ordenar KQ unidades menos Economa Directa en el costo sea

menor o igual que el costo total mnimo cuando se piden Q unidades. A continuacin
resolveremos problemas de inventarios.
4.6 Resolucin de problemas.
EJEMPLO
Sharp, Inc., una empresa que comercializa las agujas hipodrmicas indoloras en los
hospitales, desea reducir sus costos de inventario mediante la determinacin del
nmero de agujas hipodrmicas que debe obtener en cada orden. La demanda anual es
de 1000 unidades; el costo de preparacin o de ordenar es de 10 dlares por orden; y el
costo de manejo por unidad de ao es de 50 centavos de dlar. Utilizando estos datos,
calcule:
a) El nmero ptimo de unidades por orden (Q*).
b) El nmero de rdenes (N).
c) El tiempo transcurrido (T) y
d) El coso total anual del inventario.
(Utilizar un ao laboral de 250 das).
2 DCo 2(1000)(10)
a) El numero optimo de unidades: Q* = = = 200 unidades
Cm 0.50
D 1000
b) El numero de ordenes es: N = = = 5 ordenes por ao.
Q 200
Numero de dias laborables/ao 250
c) El tiempo transcurrido: T = = = 50
N 5
d) El costo total anual del inventario:
DCo QH (1000)(10) (200)(0.5)
Ct = + = + = $100
Q 2 200 2
EJEMPLO
Un impresor que en la actualidad esta haciendo una compra mensual, estudio el
comportamiento del papel libro de 70 gr. en los ltimos doce meses, encontr que su
demanda fue de: 10, 11, 10, 9, 10, 11, 9, 10.5, 10, 9, 9 y 11.5 toneladas por mes, estima el
precio de compra se va a mantener en $2.300.000 por tonelada, su costo de pedido en
$500.000 y por poltica carga un 15% del costo unitario al manejo de los inventarios
mas $55.000 por concepto de bodegaje, calcular:
a) El modelo a manejar en estas condiciones.

Pgina 73 de 85
b) Si el proveedor ofrece darnos un descuento del 10% por compras superiores

a 30 toneladas y uno del 11% por compras de 60 toneladas, como cambiara
mi poltica.
c) Si adicional al descuento logramos obtener un plazo que hace que nuestro
costo de conservacin se reduzca solamente al de bodegaje como cambiara
mi poltica.
Lo primero que debemos observar es el comportamiento de la demanda el cual
vemos que es relativamente constante, por lo que podemos asumir que nuestro modelo
se comporta de acuerdo a los parmetros de un modelo CEP EOQ de cantidad
econmica de pedido con los siguientes datos de entrada:
D =Suma de demandas por mes=120 toneladas ao.
Co=Costo de una orden = $500.000.
P = $2.300.000 tonelada.
Cm =(15% de 2300 )+(55000 de bodega)= $400.000 tonelada/ao.
Por tanto
2(Co)( D ) (2)(500, 000)(120)
Q*= = = 17.32 Toneladas.
Cm 400, 000
De acuerdo con las expresiones mostradas en la seccin anterior.
D 120
NO = = =6.93 Pedidos en el ao.
Q 17.32
De acuerdo con lo ya estudiado el tiempo de adelanto de espera esta dado por la
siguiente expresin:
dias _ al _ ao (360 dias)
Tc = = = 51.95 dias
NO 6.93
Se ha asumido un ao de 360 das.
El costo total estar determinado por:
(Cm)(Q )
CT = ( NO )(Co) + +DxP
2
Por lo que luego de sustituir los valores:
(400, 000)(17.32)
CT = (6.93)(500, 000) + +(120)x(2,300, 000) = $282,929.000 aprox
2
Con respecto a la pregunta 2 existen dos alternativas por un lado el descuento del
10% comprando mas de 30 toneladas y por el otro lado un descuento del 11% en la
compra de 60 toneladas o ms.
ALTERNATIVA 1
Para la primera alternativa no podemos tratar NO=6.93 dado que ahora Q=30 por lo
tanto reemplazare NO por su expresin algebraica. Esto es:
D (Cm)(Q)
CT = (Co) + +DxP
Q 2

Pgina 74 de 85
120 (400, 000)(30)

CT = (500, 000) + +(120)x(2, 300, 000)(0.9) = $256, 400.000 aprox
30 2
Se ha realizado al final una multiplicacin por 0.9 debido a que ya no se usara
2300,000 sino el 10% de esta cantidad.
ALTERNATIVA 2
Esta alternativa es bastante similar a la anterior en ella solo hemos utilizado 0.89
para indicar el 11% de descuento y se ha utilizado un valor de Q=60.
120 (400, 000)(60)
CT = (500, 000) + +(120)x(2,300, 000)(0.89) = 258,640,000 aprox
60 2
Por lo tanto se debe aceptar el descuento del 10%, ya que en caso de seleccionar la
escala que brinda descuento del 11%, los sobre costos por manejo de inventarios son
superiores a los beneficios que se obtendran con un menor valor de la compra.
La pregunta 3, hace gala de un aforismo, que en ocasiones es vlido: "no importa el
precio sino el plazo"; para nuestro caso al cambiar radicalmente el costo de
conservacin se debe recalcular todo el modelo con un costo de conservacin de
$55.000(se ha omitido aqu el 15% del costo y solo se ha mantenido el bodegaje), lo que
nos dar los siguientes resultados:
2(Co)( D ) (2)(500, 000)(120)
Q*= = = 46.71 Toneladas.
Cm 55, 000
D 120
NO = = =2.57 Pedidos en el ao.
Q 46.71
dias _ al _ ao (360 dias)
Tc = = = 140.13 dias
NO 2.57
Haciendo un costo total de:
(55, 000)(46.71)
CT = (2.57)(500, 000) + +(120)(2,300, 000)(0.9) = $250,969,047 aprox
2
Se ha agregado el 10% de descuento debido a que el pedido supera las 30
toneladas haciendo un costo de $250,969,046.
Si el descuento es de 11% entonces estaremos considerando las 60 toneladas por
lo que:
120 (55, 000)(60)
CT = (500, 000) + +(120)x(2,300, 000)(0.89) = $248,290,000 aprox
60 2
Qu ha cambiado en la expresin? Bueno, lo que ha cambiado es el descuento
del 11% y adems ahora no son $400,000 dado que solo se consideraran 55,000 por
bodegaje. Es un costo menor por lo tanto ahora debemos de aceptar el descuento del
11%.

Pgina 75 de 85
ACTIVIDADES
Realice nuevamente los ejercicios sin consultar este manual y posteriormente
EVALUACION
Carolina Gonzlez es la encargada de compras de Compaa de Vlvulas SRL que

vende vlvulas industriales y dispositivos de control de fluidos.
Una de las vlvulas ms populares es la Western, que tiene una demanda anual de
4000 unidades.
El costo de cada vlvula es de $ 150.
El costo de almacenamiento de inventario se estima en un 10% anual del costo de
la vlvula.
Se ha hecho un estudio de los costos de lanzamiento de una orden de compra de
cualquiera de las vlvulas que Compaa de Vlvulas SRL almacena, y ha concluido
que el costo promedio es de $25.
La demanda semanal actual de las vlvulas es aproximadamente de 80u/semana.
Se pregunta:
a) Cual es la cantidad optima del pedido?
b) Cada qu tiempo se debe levantar un pedido?
c) Cual es costo total anual del inventario (Costo propio ms Costo de
almacenamiento ms Costo de pedido) si se consideran 300 das laborables.

Pgina 76 de 85
5. LNEAS DE ESPERA.
Las colas (lneas de espera) son parte de la vida diaria. Todos esperamos en colas
para comprar un boleto para el cine, hacer un depsito en el banco, pagar en el
supermercado, enviar un paquete por correo, subir a un juego en la feria, etc. Nos
hemos acostumbrado a esperas largas, pero todava nos molesta cuando lo son
demasiado.
Sin embargo, tener que esperar no slo es una molestia personal. El tiempo que la
poblacin de un pas pierde en colas es un factor importante tanto en la calidad de vida
como en la eficiencia de su economa. Por ejemplo, antes de su disolucin, la Unin
Sovitica era notoria por las excesivas colas que sus ciudadanos solan tener que
soportar solo para comprar artculos bsicos. Hoy en Estados Unidos se estima que las
personas pasan gran parte de su vida en lneas de espera. Si este tiempo se usara de
manera productiva significara ms aos de trabajo til cada ao.
Incluso las asombrosas cifras no cuentan toda la historia del impacto que causa la
espera excesiva. Tambin ocurren grandes ineficiencias debido a otros tipos de espera
que no son personas en una Cola.
La Teora de Colas es el estudio de la espera en las distintas modalidades. Usa los
modelos de colas para representar los tipos de sistemas de lneas de espera (sistemas
que involucran colas de algn tipo) que surgen en la prctica. Las frmulas para cada
modelo indican cul debe ser el desempeo del sistema correspondiente y sealan la
cantidad promedio de espera que ocurrir, en una gama de circunstancias.
Por lo tanto, estos modelos de lneas de espera son muy tiles para determinar
cmo operar un sistema de colas de la manera ms efectiva. Proporcionar demasiada
capacidad de servicios para operar el sistema implica costos excesivos; pero al no
contar con suficiente capacidad de servicio la espera aumenta con todas sus
desafortunadas consecuencias. Los modelos permiten encontrar un balance adecuado
entre el costo de servicio y la cantidad de espera.
5.1 Terminologa.
Daremos como lo hemos estado haciendo en otras secciones algunas definiciones
que es importante que conozca con el fin de mejorar su estudio en la teora de lneas de
espera.
Fuente de entrada o poblacin potencial: Es un conjunto de individuos (no
necesariamente seres vivos) que pueden llegar a solicitar el servicio en cuestin.
Podemos considerarla finita o infinita. Aunque el caso de infinitud no es realista, s
permite (por extrao que parezca) resolver de forma ms sencilla muchas situaciones
en las que, en realidad, la poblacin es finita pero muy grande. Dicha suposicin de
infinitud no resulta restrictiva cuando, an siendo finita la poblacin potencial, su
nmero de elementos es tan grande que el nmero de individuos que ya estn

Pgina 77 de 85
solicitando el citado servicio prcticamente no afecta a la frecuencia con la que la

poblacin potencial genera nuevas peticiones de servicio.
Cliente: Es todo individuo de la poblacin potencial que solicita servicio.
Suponiendo que los tiempos de llegada de clientes consecutivos son 0<t1<t2<, ser
importante conocer el patrn de probabilidad segn el cual la fuente de entrada genera
clientes. Lo ms habitual es tomar como referencia los tiempos entre las llegadas de
dos clientes consecutivos: consecutivos: clientes consecutivos: T{k} = tk - tk-1, fijando
su distribucin de probabilidad.
Normalmente, cuando la poblacin potencial es infinita se supone que la
distribucin de probabilidad de los Tk (que ser la llamada distribucin de los tiempos
entre llegadas) no depende del nmero de clientes que estn en espera de completar
su servicio, mientras que en el caso de que la fuente de entrada sea finita, la
distribucin de los Tk variar segn el nmero de clientes en proceso de ser atendidos.
Capacidad de la cola: Es el mximo nmero de clientes que pueden estar haciendo
cola (antes de comenzar a ser servidos). De nuevo, puede suponerse finita o infinita. Lo
ms sencillo, a efectos de simplicidad en los clculos, es suponerla infinita. Aunque es
obvio que en la mayor parte de los casos reales la capacidad de la cola es finita, no es
una gran restriccin el suponerla infinita si es extremadamente improbable que no
puedan entrar clientes a la cola por haberse llegado a ese nmero lmite en la misma.
Disciplina de la cola: Es el modo en el que los clientes son seleccionados para ser
servidos. Las disciplinas ms habituales son:
La disciplina FIFO (first in first out), tambin llamada FCFS (first come
first served): segn la cual se atiende primero al cliente que antes haya
llegado.
La disciplina LIFO (last in first out), tambin conocida como LCFS (last
come first served) o pila: que consiste en atender primero al cliente que
ha llegado el ltimo.
La RSS (random selection of service), o SIRO (service in random order),
que selecciona a los clientes de forma aleatoria.
Mecanismo de servicio: Es el procedimiento por el cual se da servicio a los clientes
que lo solicitan. Para determinar totalmente el mecanismo de servicio debemos
conocer el nmero de servidores de dicho mecanismo (si dicho nmero fuese aleatorio,
la distribucin de probabilidad del mismo) y la distribucin de probabilidad del tiempo
que le lleva a cada servidor dar un servicio. En caso de que los servidores tengan
distinta destreza para dar el servicio, se debe especificar la distribucin del tiempo de
servicio para cada uno.

Pgina 78 de 85
La cola: Es el conjunto de clientes que hacen espera, es decir los clientes que ya
han solicitado el servicio pero que an no han pasado al mecanismo de servicio.
El sistema de la cola: es el conjunto formado por la cola y el mecanismo de
servicio, junto con la disciplina de la cola, que es lo que nos indica el criterio de qu
cliente de la cola elegir para pasar al mecanismo de servicio. Estos elementos pueden
verse ms claramente en la siguiente seccin:
Un modelo de sistema de colas debe especificar la distribucin de probabilidad de
los tiempos de servicio para cada servidor.
La distribucin ms usada para los tiempos de servicio es la exponencial, aunque
es comn encontrar la distribucin degenerada o determinstica.
5.2 Estructura bsica de una lnea de espera.
Puede parecer que la descripcin de los sistemas de colas es ms o menos

abstracta y slo es aplicables en situaciones prcticas bastante especiales. Por el
contrario, los sistemas de colas ocurren con sorprendente frecuencia en una amplia

Pgina 79 de 85
variedad de contextos. Para ampliar el horizonte sobre la aplicabilidad de la teora de

colas, se mencionarn brevemente varios ejemplos reales de sistemas de colas.
Una clase importante de sistemas de colas que se encuentran en la vida es el
sistema de servicio comercial, en donde los clientes externos reciben un servicio de
una organizacin comercial. Muchos de estos sistemas incluyen un servicio de
persona a persona en una localidad fija, como una peluquera (los peluqueros son los
servidores), es servicio de una cajera de banco, las cajas de cobro en un supermercado
y una cola en una cafetera (canales de servicio en serie). Muchos otros sistemas son
de tipo diferente, como la reparacin de aparatos domsticos (el servidor va hacia el
cliente), una maquina de monedas (el servidor es una mquina) y una gasolinera (los
clientes son automviles).
Otra clase importante es la de sistemas de servicio de transporte. Para algunos de
estos sistemas los vehculos son los clientes, como los automviles que esperan pasar
por una caseta de cobro o un semforo (el servidor), un camin de carga o un barco
que esperan que una cuadrilla les d el servicio de carga o descarga y un avin que
espera aterrizar o despegar en una pista (el servidor). (Un estacionamiento es un
ejemplo poco usual de este tipo, en el que los carros son los clientes y los espacios
son los servidores, pero no existe una cola porque si el estacionamiento est lleno, los
clientes se van a otro lado a estacionarse). En otros casos, los vehculos son los
servidores, como los taxis, los camiones de bomberos y los elevadores.
En los ltimos aos, tal vez la teora de colas se ha aplicado ms a los sistemas de
servicio interno en la industria y en los negocios, en donde los clientes que reciben el
servicio son internos o parte de la organizacin. Los ejemplos incluyen sistemas de
manejo de materiales, en donde las unidades de manejo de materiales (los servidores)
mueven cargas (los clientes); sistemas de mantenimiento, en donde las brigadas de
mantenimiento (los servidores) reparan mquinas (los clientes) y puestos de
inspeccin en los que los inspectores de control de calidad (los servidores)
inspeccionan artculos (los clientes). Las instalaciones para empleados y los
departamentos que dan servicio a empleados tambin entran en esta categora.
Adems, las mquinas se pueden ver como servidores cuyos clientes son los trabajos
que se estn procesando. Un ejemplo relacionado muy importante es un centro de
cmputo en el que la computadora se puede ver como el servidor.
Es del reconocimiento general que la teora de colas tambin se puede aplicar a
sistemas de servicio social. Por ejemplo, un sistema judicial es una red de colas, en
donde las cortes son las instalaciones de servicio, los jueces (o los jurados) son los
servidores y los casos que esperan el proceso son los clientes. Un sistema legislativo
es una red de colas parecida, en el que los clientes son los asuntos que el congreso va
a tratar. Algunos sistemas de salud pblica son sistemas de colas. Al inicio se vio un
ejemplo (la sala de emergencia de un hospital), pero tambin las ambulancias, las
mquinas de rayos X y las camas del hospital pueden jugar el papel de servidores en

Pgina 80 de 85
sus propios sistemas de colas. En forma parecida, las familias en espera de viviendas
de inters social u otros servicios sociales se pueden concebir como clientes de un
sistema de colas.
Aun cuando stas son cuatro clases amplias de sistemas de colas, la lista todava
no se agota. De hecho, la teora de colas comenz a principios de siglo con
aplicaciones a ingeniera telefnica (el fundador de la teora de colas, A.K. Erlang, era
un empleado de la Danish Telephone Company en Copenhague), y la ingeniera
telefnica constituye todava una importante aplicacin. Lo que es ms, cada individuo
tiene sus propias lneas de espera personales: tareas, libros que leer, etc. Estos
ejemplos son suficientes para sugerir que los sistemas de colas sin duda ocurren con
toda frecuencia en muchas reas de la sociedad.
El mecanismo de servicio consiste en una o ms instalaciones de servicio, cada
una de ellas con uno o ms canales paralelos de servicio, llamados servidores. Si
existe ms de una instalacin de servicio, puede ser que sirva al cliente a travs de una
secuencia de ellas (canales en serie de servicio). En una instalacin dada, el cliente
entra en uno de estos canales y el servidor le presta el servicio completo. Un modelo
de colas debe especificar el arreglo de las instalaciones y el nmero de servidores
(canales paralelos) en cada una.
El tiempo que transcurre para un cliente desde el inicio del servicio hasta su
terminacin en una instalacin se llama tiempo de servicio (o duracin del servicio). Un
modelo de sistema de colas determinado debe especificar la distribucin de
probabilidad de los tiempos de servicio para cada servidor (y tal vez para los distintos
clientes), aunque es comn suponer la misma distribucin para todos los servidores. El
flujo de los elementos que recibirn servicios puede formar una cola nica, una cola
mltiple o una combinacin de ambas y pueden ser brindadas por un servidor o
mltiples servidores.
5.3 Modelos de una cola con servidor.
Es el tipo ms sencillo de estructura y existen frmulas directas para resolver el

problema con distribucin normal de patrones de llegada y de servicio. Cuando las
distribuciones no son normales se resuelve con simulaciones (ejemplo: lavadero
automtico de autos, muelle de descarga de un solo lugar, etc.).

Pgina 81 de 85
5.4 Modelos de una cola con servidores mltiples en

paralelo.
El problema con este formato es que las diferencias en el tiempo de servicio para
cada cliente ocasionan un flujo o velocidad desigual en las colas. Como resultado de
esto, algunos clientes son atendidos antes que otros que llegaron primero y adems
producen cambios de una cola a otra (por ejemplo: las ventanillas de los bancos y las
cajas de pago de los supermercados).
5.5 Modelos de una cola con servidores mltiples en

serie.
Para modificar una estructura de manera que se asegure el servicio por orden de
llegada, es necesario formar una sola cola, de la cual, al quedar disponible un servidor
se le asigna el siguiente cliente.
El principal problema con esta estructura es que requiere un estricto control de la
cola para mantener el orden y dirigir a los clientes hacia los servidores disponibles
(ejemplo: peluquera o una panadera en donde los clientes toman un nmero al entrar
y se les sirve cuando llega el turno).

Pgina 82 de 85
5.6 Comportamiento prioritario de una lnea de espera.
Existen otras reglas que se caracterizan por la ruptura de la disciplina de Cola: por
ejemplo casos en que hay clientes privilegiados (urgencias hospitalarias) donde se
puede situar al cliente prioritario como primero de la Cola (prioridad dbil), o incluso
sustituir al cliente en servicio actual si es de prioridad inferior (prioridad fuerte).
Otros modelos ms sofisticados contemplan estaciones de servicio especficas
para determinados segmentos de clientes, o puestos reservados, etc.
En los modelos de colas se emplea la notacin KENDALL con el propsito de

identificar los diversos modelos que se presentan:
V/W/X/Y/Z
V = Patrn de llegadas: D: Determinstico; M: Aleatorio
W= Patrn de servicio: D: Determinstico; M: Aleatorio
X = Nmero de servidores
Y = Capacidad del Sistema
Z = Disciplina de la lnea de espera
La disciplina puede ser:
FCFS First come, first served (primero que entra primero que sale)
LCFS Last come, first served (ultimo que entra primero que sale)
SIRO Service in random order (servicio aleatorio)
GD General discipline (Servicio por prioridad)
EJEMPLO:
D / M / 2 / 12 / GD
Patrn de llegada: Determinstico.
Patrn de servicio: Aleatorio.
Servidores: 2.
Capacidad del sistema: 12.
Disciplina de la lnea de espera: Atencin por prioridad.

Pgina 83 de 85
ACTIVIDADES
Realice un resumen de lo aprendido en esta unidad y posteriormente responda las

preguntas de la evaluacin.
EVALUACION
1. Qu es una cola y cules son las aplicaciones?

2. Mencione de forma breve los objetivos que persiguen las lneas de espera.
3. A que se le llama servidor en una lnea de espera?
4. Qu elementos conforman un sistema de colas?
5. Qu elementos conforman la notacin de Kendall?

Pgina 84 de 85
BIBLIOGRAFIA
TAHA HAMDY A. Investigacin de operaciones.Alfaomega. 5 Ed. 1995
PRAWDA, Juan. Mtodos y modelos de Investigacin de operaciones. Limusa.
RENDON C: Hernn D. DIAZ S. Fco. Javier Introduccin a la Investigacin de

Operaciones Universidad Nacional 2002
HILLIER, F.S Y LIEBERMAN G.J. Introduccin a la investigacin de

Operaciones. 6 Ed. Mc Graw Hill. 1997 7 Ed. 2002
VARELA Jaime Enrique. Introduccin a la Investigacin de Operaciones.

Fondo Educativo Interamericano.1982.
ENLACES RELACIONADOS
http://antiguo.itson.mx/dii/elagarda/apagina2001/PM/uno.html
http://www.investigacion-operaciones.com/Historia.htm
http://www.biblioteca.uson.mx/digital/tesis/docs/8167/Capitulo1.pdf
http://rmorales.mayo.uson.mx/Mod%20de%20Inventario20061.pdf
http://allman.rhon.itam.mx/~cacosta/modelado/simplex.pdf
http://www.eva.com.mx/sia/sia/ingenieria/026
http://www.keypress.com/documents/daa1/CondensedLessonPlansSpanish/D
AA_CLPS_06.pdf
http://jupiter.utm.mx/~tesis_dig/8521.pdf
www.cesver.edu.mx
Tel. 01-228-8182038 01-228-8182039
Serafn Olarte 43 Col. Mrtires de Chicago. Xalapa ver

Pgina 85 de 85

Ant Infor2 CI

Uploaded by

Document Information

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

Ant Infor2 CI

Uploaded by

Copyright:

Available Formats

CESVER MATERIAL BIBLIOGRAFICO DE APOYO DIDACTICO

NEGOCIOS Y COMERCIOS INTERNACIONALES INV. DE OPERACIONES 4 SEM

Nombre del compilador:

ING JUAN ALBERTO VAZQUEZ G.

ING JUAN ALBERTO VAZQUEZ G.

La investigacin de operaciones puede definirse como el mtodo

ING JUAN ALBERTO VAZQUEZ G.

Nuestro material de apoyo consta de 5 unidades que pretenden cubrir

OBJETIVO(S) GENERAL(ES) DE LA ASIGNATURA

CRITERIOS Y PROCEDIMIENTOS DE EVALUACIN Y ACREDITACIN

Dos exmenes terico prcticos 80%

ING JUAN ALBERTO VAZQUEZ G.

1.1 Orgenes de la investigacin de operaciones

ING JUAN ALBERTO VAZQUEZ G.

En agosto de 1940 se organiz un grupo de investigacin, bajo la direccin de P. M.

ING JUAN ALBERTO VAZQUEZ G.

Al principio, la investigacin de operaciones se refera a sistemas existentes de

ING JUAN ALBERTO VAZQUEZ G.

1.2 Naturaleza de investigacin de operaciones

ING JUAN ALBERTO VAZQUEZ G.

ING JUAN ALBERTO VAZQUEZ G.

ejemplo sobresaliente es el mtodo simplex para resolver problemas de programacin

1.3 La investigacin de operaciones en la contadura, la

La Investigacin de Operaciones (IO) es una de las alternativas de los mtodos

1.4 Alcances y limitaciones de la investigacin de

No todo es color de rosa, en la investigacin de operaciones existen restricciones:

1) Qu persigue la investigacin de operaciones y cules son los logros hasta

ING JUAN ALBERTO VAZQUEZ G.

2.1 Elementos de un problema de programacin lineal

ING JUAN ALBERTO VAZQUEZ G.

Cada desigualdad del sistema de restricciones determina un semiplano. El conjunto

2.2 El mtodo grfico

ING JUAN ALBERTO VAZQUEZ G.

unidades de vitamina W, 10 unidades de vitamina X y 7 unidades de vitamina Y; cada

Paso 3: Localizacin de la solucin ptima.

Observe como ambos ejemplos se han resuelto de manera grafica pero en el

2.3 El mtodo simplex

ING JUAN ALBERTO VAZQUEZ G.

ING JUAN ALBERTO VAZQUEZ G.

Si en la ltima fila no existiese ningn coeficiente negativo, significa

ING JUAN ALBERTO VAZQUEZ G.

ING JUAN ALBERTO VAZQUEZ G.

Operando de forma anloga a la anterior obtenemos la tabla:

ING JUAN ALBERTO VAZQUEZ G.

Si en el problema de maximizar apareciesen como restricciones inecuaciones de la

2.4 Doble fase

ING JUAN ALBERTO VAZQUEZ G.

ING JUAN ALBERTO VAZQUEZ G.

X4 entra a la base. Utilizando lo estudiados anteriormente observamos que el pivote

2.5 El mtodo de transporte

Una condicin a establecer es que todo lo debe ser demandado.

2.5.1 Mtodo de esquina noroeste

ING JUAN ALBERTO VAZQUEZ G.

Observe como se han mantenido tanto horizontal como verticalmente las

Elabore la tabla inicial de transporte por el mtodo de la esquina noroeste.

Crear un origen ficticio con autos disponibles.

ING JUAN ALBERTO VAZQUEZ G.

2.5.2 Mtodo de costo mnimo

ING JUAN ALBERTO VAZQUEZ G.

2.5.3 Mtodo de Vogel

ING JUAN ALBERTO VAZQUEZ G.

ING JUAN ALBERTO VAZQUEZ G.

El mximo valor est localizado en el primer rengln y el mnimo elemento est

ING JUAN ALBERTO VAZQUEZ G.