manual management scientist123
TRANSCRIPT
SOFTWARE V:
THE MANAGEMENT
SCIENTIST
The Management Scientist
ÍNDICE
INTRODUCCIÓN ----------------------------------------------------------------------------
INSTALACIÓN -----------------------------------------------------------------------------
CAPÍTULO I. ANÁLISIS DE DECISIONES --------------------------------------------------
Toma de decisiones sin probabilidad---------------------------------------------------
Toma de decisiones con probabilidad--------------------------------------------------
Análisis de la sensibilidad------------------------------------------------------------
CAPÍTULO II. PROGRAMACIÓN LINEAL ------------------------------------------
Maximización simple-----------------------------------------------------------------
Minimización simple------------------------------------------------------------------
Análisis de la sensibilidad------------------------------------------------------------
Más de dos variables de decisión----------------------------------------------------
CAPÍTULO III. TRANSPORTE, TRANSBORDO Y ASIGNACIÓN-----------------Transporte----------------------------------------------------------------------------------------
Transbordo-------------------------------------------------------------------------------
Asignación de puestos-----------------------------------------------------------------
Origen y destino ficticio ---------------------------------------------------------------
CAPÍTULO IV. PROGRAMACIÓN DE PROYECTOS PERT/CPM------------------
Programación de proyectos con tiempos conocidos---------------------------------
Programación de proyectos con tiempos inciertos-----------------------------------
Consideración tiempo-costo-------------------------------------------------------------
CAPÍTULO V. MODELOS DE LÍNEA DE ESPERA---------------------------------------
Línea de espera de un solo canal---------------------------------------------------------
Línea de espera canales múltiples--------------------------------------------------------
Análisis económico de las líneas de espera---------------------------------------------
BIBLIOGRAFÍA ---------------------------------------------------------------------------------
The Management Scientist
INTRODUCCIÓN DEL PROGRAMA “THE
MANAGEMENT SCIENTIST”
El autor de este programa es Thomas A. Williams, profesor de Gestión de la Ciencia en
la escuela de Negocios de Rochester Institute of Techonology. Nació en Elmira, Nueva
York, obtuvo su licenciatura en la Universidad de Clarkson. Hizo sus estudios de
Posgrado en el Instituto Politécnico Rensselaer, donde recibió los grados de maestría y
doctorado.
El Instituto Politécnico Rensselaer, conocido habitualmente como RPI (acrónimo de
Rensselaer Polytechnic Institute), es una de las principales instituciones dedicadas a la
docencia y a la investigación especialmente en ciencia e ingeniería. Ahí fue donde
Thomas A. Williams perfeccionó y aplicó sus conocimientos sobre el programa
Management Scientist.
The Management Scientist es un software de ordenador personal que ayuda a los
estudiantes de Métodos Cuantitativos y a los cursos de ciencias de la gestión de una
manera sencilla y eficiente para tomar decisiones en las operaciones de negocios. Se
utiliza para resolver una amplia variedad de problemas de libros de texto, así como los
pequeños problemas surgidos en la práctica o en la vida real y como tomar la mejor
decisión de un manera rápida y práctica. El uso de este programa en la computadora es
una muy valiosa herramienta sobre la aplicación de métodos cuantitativos a los
problemas de decisión. Se compone de doce programas de ordenador, llamados
módulos, que utilizan métodos cuantitativos para desarrollar la toma de decisiones.
Ciencias de la Administración (Management science), es una rama interdisciplinaria de
la matemática aplicada, la ingeniería y las ciencias que utiliza la investigación científica
basada en varios principios, estrategias y métodos analíticos, incluidos modelos
matemáticos, las estadísticas y algoritmos para mejorar la capacidad de una
organización para promulgar una racional y significativa gestión. Las decisiones de
llegar a soluciones óptimas o casi óptimas a los problemas de negocios complejos. La
disciplina esta típicamente relacionada con la determinación de los máximos (de
beneficios, prestaciones de la línea de ensamblaje, rendimiento de la cosecha, ancho de
banda, etc.) o los mínimos (de la pérdida, de riesgo, etc.) de parte de la función objetivo.
The Management Scientist
El campo es también conocido como Investigación de Operaciones (OR) en los Estados
Unidos y Canadá, o la investigación operativa en el Reino Unido. Estos tres términos se
usan indistintamente para describir el mismo campo.
La investigación en ciencias de gestión se puede realizar en niveles:
1.-El nivel fundamental radica en tres disciplinas matemáticas: Probabilidad,
Optimización, y la teoría de sistemas dinámicos.
2.-El nivel de modelado es sobre la construcción de modelos, analizando
matemáticamente, la recopilación y análisis de datos, la aplicación de modelos en
computadoras, solución de los mismos, todo esto es parte de la investigación en
Ciencias de Gestión en el nivel de modelado.
El mandato de la administración es utilizar la ciencia racional, sistemática, basada en
técnicas para informar y mejorar las decisiones de todo tipo. Por supuesto, las técnicas
de la ciencia de la gestión no se limitan a las aplicaciones de negocio, pero puede
aplicarse a la milicia, medicina, administración pública, grupos de beneficencia, grupos
políticos o grupos de la comunidad.
Historia
Sus orígenes se remontan a la investigación de operaciones, hizo su debut en la Segunda
Guerra Mundial cuando las fuerzas aliadas de varias disciplinas la utilizaron para ayudar
con las operaciones militares. En estas primeras aplicaciones, los científicos utilizan
modelos matemáticos sencillos para hacer un uso eficiente de tecnologías y recursos
limitados. La aplicación de estos modelos en el sector empresarial se conoce como la
ciencia de gestión.
Aplicaciones
Las aplicaciones de la ciencia de la administración son abundantes en la industria como
en las compañías aéreas, las empresas de fabricación, las organizaciones de servicios,
las ramas militares, y en Gobierno. La gama de problemas y cuestiones que la ciencia ha
contribuido en la gestión de ideas y soluciones es amplia. Las Ciencias de la
Administración se ocupa también de los llamados "soft-análisis operativo", que se
The Management Scientist
refiere a los métodos de planificación estratégica, apoyo a las decisiones estratégicas, y
los métodos de estructuración de problemas (PSM).
Este nivel de abstracción, modelos matemáticos y de simulación no es suficiente. Por lo
tanto, durante los últimos 30 años, un número no cuantificado de los métodos de
modelización se han desarrollado.
El programa contiene 12 módulos, que permiten resolver problemas en muchas áreas, y
son los siguientes:
Programación lineal
Transporte
Asignación
PERT/CPM
Programación lineal del número entero
La ruta más corta
Modelos de inventario
Modelos de línea de espera
Árbol que atraviesa mínimo
PERT/CPM
Inventario
Línea de espera
Análisis de decisión
Pronóstico
Procesos de Markov
The Management Scientist
COMO OBTENERLO
Se puede acceder al programa descargándolo de internet mediante la página:
http://www.amazon.com/Management-Scientist-Version-6-0/dp/0324191332
Cabe aclarar que para obtener el programa, previamente habrá que pagar un importe de
$69.97 DLL. El envío es gratis.
The Management Scientist
COMO INSTALARLO
INGLES ESPAÑOL
Installing the software on your computer is
easy. Install The Management Scientist as
follows:
1. Place the disk in the CD-ROM drive.
2. In Windows from the Start taskbar,
choose Run.
3. On the Command line, type D:\ Setup.
If your CD-ROM drive is not D: substitute
the appropriate letter.
4. Clic the OK button or press the Enter
key.
5. Follow the prompts of the installation.
La instalación del software en su computadora es
fácil. Instale The Management Scientist de la
siguiente forma :
1. Coloque el disco en la bandeja de CD-ROM.
2. En Windows del comienzo taskbar, elija el
funcionamiento.
3. En la línea de comando, mecanografíe la
disposición de D:\. Si su impulsión de CD-ROM no
es D: , substituya la letra apropiada.
4. Presione el botón ACEPTABLE o presione la
llave de insertar.
5. Siga los avisos de la instalación.
6.-.-Hacer “clic” en el cuadro “ok”
The Management Scientist
6.-El siguiente paso será darle “clic” al icono de la computadora para continuar la
instalación.
7.-Se selecciona el programa deseado, es este caso, el Management Scientist
8.-Se espera a que se concluya la instalación, y una vez terminada se le da “clic” en
“ok” para ejecutar el programa.
The Management Scientist
CAPÍTULO I:
ANALISIS DE DECISIONES
La toma de decisiones es el proceso mediante el cual
se realiza una elección entre las alternativas que se
tienen y son formas para resolver diferentes
situaciones de la vida, estas se pueden presentar en
diferentes contextos: a nivel laboral, familiar,
sentimental, empresarial (utilizando metodologías
cuantitativas que brinda la administración), etc., es
decir, en todo momento se toman decisiones, la
diferencia entre cada una de estas es el proceso o la
forma en la cual se llega a ellas. Para los
administradores, el proceso de toma de decisión es
sin duda una de las mayores responsabilidades.
Debemos empezar por hacer una selección de
decisiones, y esta selección es una de las tareas de
gran trascendencia. Para tomar una decisión, no
importa su naturaleza, es necesario conocer,
comprender, analizar un problema, para así poder darle solución; en algunos casos por
ser tan simples y cotidianos, este proceso se realiza de forma implícita y se soluciona
muy rápidamente, pero existen otros casos en los cuales las consecuencias de una mala
o buena elección puede tener repercusiones en la vida y si es en un contexto laboral en
el éxito o fracaso de la organización. Para los cuales es necesario realizar un proceso
más estructurado que puede dar más seguridad e información para resolver el problema.
Las decisiones nos atañen a todos ya que gracias a ellas podemos tener una opinión
crítica.
The Management Scientist
Ejemplo formulación del problema: Pittsburgh Development corporation
(Fuente: Anderson, D., Sweeney, D. y Williams, T. 2004. Métodos cuantitativos para
los negocios. 9° edición. México: Thomson.p.100)
Pittsburgh Development Corporation (PDC) compró unos terrenos en los que se
construirá un nuevo complejo de condominios de lujo. La ubicación proporciona una
vista espectacular del centro de Pittsburgh y del Triángulo Dorado, donde se unen los
ríos Allegheny y Monongahela para formar el río Ohio. PDC planea fijar el precio de las
unidades del condominio entre $300 000 y $1 400 000 cada una.
PDC comisionó los bocetos arquitectónicos preliminares para tres proyectos de
diferente tamaño; uno con 30 condominios, otro con 60 y uno más con 90. El éxito
financiero del proyecto depende del tamaño del complejo de condominios y el evento
fortuito de la demanda que exista en el inmueble. El problema de decisión de PDC es
seleccionar el tamaño del nuevo proyecto que llevará a la mayor ganancia dada la
incertidumbre en la demanda de los condominios.
Se presentan las alternativas de decisión que tiene PDC
d1= complejo pequeño con 30 condominios
d2= complejo mediano con 60 condominios
d3= complejo grande con 90 condominios.
Un factor en la selección de la mejor alternativa es la incertidumbre asociada con la
demanda para condominios. Cuando se le preguntó sobre la demanda probable, el
presidente de PDC reconoció una amplia gama de posibilidades, pero decidió que sería
adecuado considerar dos resultados posibles para la misma: una demanda fuerte y una
demanda débil. En el análisis de decisiones, los resultados posibles para un evento
fortuito se conocen como estados de naturaleza.
Se presentan los estados de naturaleza de PDC
s1= Demanda fuerte para los condominios
s2= Demanda débil para los condominios
The Management Scientist
El evaluador o administrador tendrá que seleccionar una alternativa de decisión y el
estado de la naturaleza. Debido a que PDC desea seleccionar el tamaño del complejo
que proporcione mayor ganancia, se presenta un recuadro con las ganancias expresadas
en millones de dólares.
Estado de la naturalezaAlternativa de decisión Demanda fuerte, s1 Demanda débil, s2
Complejo pequeño, d1 8 7Complejo mediano, d2 14 5Complejo grande, d3 20 -9
TOMA DE DESICIONES SIN PROBABILIDAD
(Fuente: Anderson, D., Sweeney, D. y Williams, T. 2004. Métodos cuantitativos para
los negocios. 9° edición. México: Thomson. Pagina.103)
En esta sección consideramos los enfoques de la toma de decisiones que no requieren un
conocimiento de las probabilidades de los estados de la naturaleza. Estos enfoques son
apropiados en situaciones en los que el tomador de decisiones tiene poca confianza para
evaluar las probabilidades. Para ello se utilizan tres enfoques el optimista, el enfoque
conservador y el enfoque de arrepentimiento minimax.
Enfoque optimista (Maximax)
En este enfoque se evalúan cada alternativa de decisión en función del mejor resultado
que pueda ocurrir, la alternativa que se recomienda es la que da el mejor resultado
posible.
1.-Para utilizar el TMS (The Management Scientist) se hace doble
clic en el ícono para abrir el programa, al hacer esto se abrirá la siguiente
ventana.
The Management Scientist
2.-Se abre el siguiente cuadro en el cual se presentan todos los módulos que ofrece el
programa para auxiliar a los administradores o tomador de decisiones de las empresas.
En este caso se seleccionará el módulo o la casilla 10 de “Decisión Analysis” y se hará
clic en el botón “OK”.
3.-Al aceptar la opción se abre la nueva ventana en la cual se hace clic en el menú
“File” y se elegirá la opción “New…”
4.-Con ello se abrirá una nueva ventana en la que se especificará el número de
decisiones y de estados de la naturaleza, en este problema las decisiones son 3 y los
estados de la naturaleza serán 2
The Management Scientist
5.-Seguidamente nos saldrá una ventana en donde tenemos que poner los de estados de
naturaleza
6.-Después se le da clic en solution, y acto seguido en solve, luego el programa arrojará
nuevamente un cuadro para seleccionar las opciones deseadas
7.-Luego se seleccionan las casillas correspondientes. Para mostrar el resultado máximo
para cada alternativa de decisión para PDC en este caso el criterio optimista y se le da
clic en ok.
8.- A continuación el programa arrojará la mejor alternativa de decisión para un punto
de vista optimista que en este caso es la alternativa tres con 20 millones de dólares a
ganar.
The Management Scientist
Enfoque conservador (maximin)
Este enfoque evalúa cada alternativa de decisión desde el punto de vista del peor
resultado que pueda ocurrir. La alternativa que se recomienda es el mejor de los peores
resultados posibles. En este problema, el enfoque conservador conducirá al tomador de
decisiones a elegir la alternativa que maximiza la ganancia mínima posible que podría
obtenerse.
1.-Para utilizar el TMS (The Management Scientist) se hace doble
clic en el ícono para abrir el programa, al hacer esto se abrirá la siguiente
ventana.
2.-Se abre el siguiente cuadro en el cual se presentan todos los módulos que ofrece el
programa para auxiliar a los administradores o tomador de decisiones de las empresas.
En este caso se seleccionará el módulo o la casilla 10 de “Decisión Analysis” y se hará
clic en el botón “OK”.
The Management Scientist
3.-Al hacer clic en el botón ok se abre la nueva ventana en la cual damos clic en el menú
“File” y se elegirá la opción “New…”
4.-Se abrirá una nueva ventana en la que se especificará el número de decisiones y de
estados de la naturaleza, en este problema las decisiones son 3 y los estados de la
naturaleza son 2
5.-Seguidamente nos saldrá una ventana en donde tenemos que poner el número de
alternativas y el número de estados de naturaleza
The Management Scientist
6.-Se le da en solución y luego en solve
9.-Nos aparecerá este cuadro en donde le daremos en maximizar y se cambia al criterio
conservador
10.-Seguidamente le damos ok y nos dará el máximo de los valores del resultado
mínimo.
Enfoque de arrepentimiento Minimax
The Management Scientist
Este tipo de enfoque minimax para la toma de decisiones no es puramente optimista ni
puramente conservador. Si se construye un complejo de condominios pequeños (d1) y la
demanda resulta ser fuerte (s1). Dado que ha ocurrido el estado de la naturaleza de
demanda fuerte (s1), nos damos cuenta que la decisión de construir un complejo de
condominios grande (d3) que produce una ganancia de de 20 millones, habría sido la
mejor decisión. La diferencia entre el resultado por la mejor alternativo de decisión (20
millones) y el pago de la decisión de construir un complejo de condominios pequeño (8
millones) es la perdida de oportunidad o arrepentimiento ejemplo: 20millones -8
millones =12 millones
1.-Para utilizar el TMS (The Management Scientist) se hace doble
clic en el ícono para abrir el programa, al hacer esto se abrirá la siguiente ventana.
2.-La cual al hacer clic en el botón “Continue” se abre el siguiente cuadro en el cual se
presentan todos los módulos que ofrece el programa para auxiliar a los administradores
o tomador de decisiones de las empresas. En este caso se seleccionará el módulo o la
casilla 10 de “Decision Analysis” y se hará clic en el botó “OK”.
The Management Scientist
3.-Al hacer clic en el botón ok se abre la nueva ventana en la cual damos clic en el
menú “File” y se elegirá la opción “New…”
4.-Con ello se abrirá una nueva ventana en la que se especificará el número de
decisiones y de estados de la naturaleza, en este problema las decisiones son 3 y los
estados de la naturaleza serán 2
5.-Seguidamente nos saldrá una ventana en donde tenemos que poner el número de
alternativas y el número de estados de naturaleza
The Management Scientist
6.-Después se le da clic en solution, y acto seguido en solve, luego el programa arrojará
nuevamente un cuadro para seleccionar las opciones deseadas.
7.-Seleccionamos maximizar y el criterio minimax seguidamente le damos en ok
8.-Nos dará como resultado el mínimo del arrepentimiento máximo para cada
alternativa de decisión de PDC que en este caso es la alternativa 2 con 6 millones.
The Management Scientist
TOMA DE DECISIONES CON PROBABILIDAD
(Fuente: Anderson, D., Sweeney, D. y Williams, T. 2004. Métodos cuantitativos para
los negocios. 9° edición. México: Thomson. pagina106)
En muchas situaciones de toma de decisiones podemos obtener evaluaciones de
probabilidad para los estados de la naturaleza. Cuando están disponibles dichas
probabilidades podemos usar el enfoque del valor esperado para identificar la mejor
alternativa de decisión.
PDC es optimista respecto al potencial para el complejo de condominios de lujo.
Suponga que este optimismo conduce a una evaluación de probabilidad subjetiva inicial
de 0.8 de que la demanda será fuerte (s1) y una probabilidad correspondiente de 0.20
será débil.
Entonces calculamos el valor esperado para cada una de las tres alternativas como
sigue:
VE (d1)=0.8 (8)+0.2 (7)=7.8
VE (d2)=0.8 (14)+0.2 (5)=12.2
VE (d3)=0.8 (20)+ 0.2 (-9)= 14.2
1.-Damos clic sobre el icono para abrir el programa
2.-Le damos clic en continúe…
The Management Scientist
3.-Seguidamente nos aparecerá este cuadro en donde seleccionamos análisis de
decisiones y le damos en ok
4.-Le damos clic en el botón new
The Management Scientist
5.-Seguidamente nos aparecerá este cuadro donde pondremos el numero de alternativas
y el numero de estados de naturaleza esta vez como contamos con la probabilidad
seleccionamos la casilla de numero de probabilidades y seguidamente le damos clic en
el botón ok.
6.- Se abre una ventana con la tabla para colocar los datos que se dan en la tabla y en la
última fila se colocarán las probabilidades.
7.-Para ver la solución del ejercicio se selecciona en el menú “Solution” la opción
“Solve”,
The Management Scientist
8.-Después se abrirá una ventana en la que se seleccionará la casilla para minimizar o
maximizar, en este caso será maximizar las ganancias. Le damos clic en ok
9.-La ventana de resultados que arroja el programa indica la decisión recomendada con
la palabra “YES” y en la parte inferior indica el número de decisión y el valor esperado,
separados con el punto (.), por lo tanto la mejor decisión o la recomendada es la
decisión e complejo grane (d3) con valor de $20 millones.
ANALISIS DE RIESGO Y ANALISIS DE SENSIBILIDAD
(Fuente: Anderson, D., Sweeney, D. y Williams, T. 2004. Métodos cuantitativos para
los negocios. 9° edición. México: Thomson.p.110)
El análisis de riesgo ayuda al tomador de decisiones a reconocer la diferencia entre el
valor esperado de una alternativa de decisión y el resultado que puede ocurrir en
realidad. El análisis de sensibilidad también ayuda al tomador de decisiones
The Management Scientist
describiendo como los cambios en los resultados o ambos afectan las alternativas de
decisión recomendada.
Análisis de riesgo
Proyecto de construcción de condominios PDC. Usando el enfoque de valor esperado,
identificamos sobre el complejo de condominios grande (d3) como la mejor alternativa
de decisión. El valor esperado de 14.2 millones para de d3 se basa en una probabilidad
de 0.8 de obtener una ganancia de 20 millones y una probabilidad de 0.2 de obtener una
pérdida de 9 millones. La probabilidad de 0.8 para el resultado de $20 millones y la
probabilidad de 0.20 para el resultado de -$9 millones dan el perfil de riesgo para la
alternativa de decisión del complejo grande.
Perfil de riesgo
Probabilidad Ganancias
.8 20 millones
.20 -9 millones
Análisis de sensibilidad
Un enfoque para el análisis de sensibilidad es seleccionar valores diferentes para las
probabilidades de los estados de la naturaleza y los resultados y luego resolver el
problema de análisis de decisiones. Si cambia la alternativa de decisión recomendada
sabremos que la solución es sensible a los cambios hechos.
En el problema PDC la probabilidad para una demanda fuerte se revisa en 0.20 y la
probabilidad para una demanda débil se revisa en 0.80 P (s1)=.20 Y P (s2)=.80
VE (d1)=.20 (8) +.80 (7)=7.2
VE (d2)=.20 (14)+.80 (5)=6.8
VE (d3)= .20 (20)+.80 (-9)=-3.2
The Management Scientist
1.-Damos clic sobre el icono para abrir el programa y
comenzar a resolver el ejercicio.
2.-Le damos clic en continúe…
3.-Seguidamente nos aparecerá este cuadro en donde seleccionamos análisis de
decisiones y le damos en ok
4.-Le damos clic en el botón new
The Management Scientist
5.-Seguidamente nos aparecerá este cuadro donde pondremos el numero de alternativas
y el numero de estados de naturaleza esta vez como contamos con la probabilidad
seleccionamos la casilla de numero de probabilidades y seguidamente le damos clic en
el botón ok.
6.-Se ponen los datos pero aquí las probabilidades cambian se invierten (puede ser
cualquier probabilidad) para saber si es sensible a los cambios.
7.-Le damos clic en solution y luego solve
The Management Scientist
8.-Tomamos la opción Maximize y luego presionamos el botón ok
9.-Con los resultados obtenidos de la evaluación realizada con The Management
Scientist, la alternativa de decisión recomendada es construir un complejo pequeño de
condominios (d1), con un valor esperado de $ 7.2 millones. La probabilidad de una
demanda fuerte es de solo 0.20, así que construir el complejo de condominios grande
(d3) es la alternativa menos preferida, con un valor esperado de -$3.2 millones es decir
una perdida.
Cuando la probabilidad de una demanda fuerte es grande, PDC debería construir el
complejo grande; cuando la probabilidad de una demanda fuerte es pequeña PDC
debería construir el complejo pequeño.
CAPÍTULO II:
The Management Scientist
PROGRAMACIÓN LINEAL
La programación lineal se plantea como un
modelo matemático desarrollado durante la
Segunda Guerra Mundial para planificar
los gastos y los retornos, a fin de reducir
los costos al ejército y aumentar las
pérdidas del enemigo. Se mantuvo en
secreto hasta 1947. En la posguerra,
muchas industrias lo usaron en su
planificación diaria.
Los fundadores de la técnica son George
Dantzig, quien publicó el algoritmo
simplex, en 1947, John Von Neumann, que
desarrolló la teoría de la dualidad en el
mismo año, y Leonid Kantoróvich, un
matemático ruso, que utiliza técnicas
similares en la economía antes de Dantzig
y ganó el premio Nobel en economía en
1975. En 1979, otro matemático ruso,
Leonid Khachiyan, demostró que el
problema de la programación lineal era
resoluble en tiempo polinomial. Más tarde,
en 1984, Narendra Karmarkar introduce un nuevo método del punto interior para
resolver problemas de programación lineal, lo que constituiría un enorme avance en los
principios teóricos y prácticos en el área.
El objetivo de la programación lineal es encontrar las condiciones en que se maximiza
la denominada función objetivo, una ecuación que determina, por ejemplo, el ingreso
que se obtendrá produciendo determinadas mercancías; dicha función está sujeta a
ciertas restricciones, constituidas por un grupo de ecuaciones lineales que indican el
consumo de los diversos factores productivos que se necesitan -en este caso- para
obtener un determinado producto. De este modo se establece que, contando con un
The Management Scientist
grupo limitado de recursos, pueden producirse ciertas cantidades de los bienes A, B,...
etc., cada uno de los cuales produce un ingreso determinado. La programación lineal
indica entonces la combinación óptima de bienes a producir para obtener el máximo
beneficio a partir de un conjunto finito de recursos.
La Programación Lineal (PL) es una de las principales ramas de la Investigación
Operativa. En esta categoría se consideran todos aquellos modelos de optimización
donde las funciones que lo componen, es decir, función objetivo y restricciones, son
funciones lineales en las variables de decisión.
Los modelos de Programación Lineal por su sencillez son frecuentemente usados para
abordar una gran variedad de problemas de naturaleza real en ingeniería y ciencias
sociales, lo que ha permitido a empresas y organizaciones importantes beneficios y
ahorros asociados a su utilización.
Los Modelos Matemáticos se dividen básicamente en Modelos Deterministas (MD) o
Modelos Estocásticos (ME). En el primer caso (MD) se considera que los parámetros
asociados al modelo son conocidos con certeza absoluta, a diferencia de los Modelos
Estocásticos, donde la totalidad o un subconjunto de los parámetros tienen una
distribución de probabilidad asociada. Los cursos introductorios a la Investigación
Operativa generalmente se enfocan sólo en Modelos Deterministas.
Supuestos Básicos de la Programación Lineal: Linealidad, Modelos Deterministas,
Variables reales, No Negatividad.
En resumen:
The Management Scientist
La programación lineal es una técnica de modelado (construcción de modelos).
La programación lineal (PL) es una técnica matemática de optimización, es decir, un
método que trata de maximizar o minimizar un objetivo.
Su interés principal es tomar decisiones óptimas.
Se usa mucho en la industria militar y en la petrolera. Si bien esos sectores han sido
quizá los principales usuarios de ella, el sector servicios y el sector público de la
economía también la han aprovechado ampliamente.
Estructura básica de un problema de programación lineal (PL)
Un problema de PL consta de una función objetivo (lineal) por maximizar o minimizar,
sujeta a ciertas restricciones en la forma de igualdades o desigualdades.
Conceptos clave:
Función objetivo: La función por optimizar (maximizar o minimizar)
Restricciones: Representan condiciones que es preciso satisfacer. Sistema de igualdades
y desigualdades (≤ Ó≥)
Ejemplos de “función objetivo y restricciones”:
1. Maximizar P = X + 1.2 Y
Sujeto a 2X + Y < 180
X + 3Y < 300
X > 0
Y > 0
The Management Scientist
Función objetivo
Restricciones
2.-Maximizar: C = 6X + 8Y
Sujeto a 40X + 10Y > 2400
10X + 15Y >2100
5X + 15Y >1500
X > 0
Y > 0
UN PROBLEMA DE MAXIMIZACIÓN SIMPLE
( Fuente: Anderson, D., Sweeney, D. y Williams, T. 2004. Métodos cuantitativos para
los negocios. 9° edición. México: Thomson. Página 225)
RMC es una pequeña empresa que fabrica una variedad de productos basados en
sustancias químicas. En un proceso de producción particular, se emplean tres materias
primas para producir dos productos: un aditivo para combustible y una base solvente. El
aditivo para combustible se vende a compañías petroleras y se usa en la producción de
gasolina y combustibles relacionados. La base para solvente se vende a una variedad de
empresas químicas y se emplea en productos para limpieza en el hogar e industriales.
Las tres materias primas se mezclan para fabricar el aditivo para combustible y la base
para el solvente, tal como se indica en la siguiente tabla.
Aditivo para Base para
combustible Solvente
Material 1 0,4 0,5Material 2 0,2Material 3 0,6 0,3
Ésta nos muestra que una tonelada de aditivo para combustible es una mezcla de 0.4
toneladas del material 1 y 0.6 toneladas de material 3. Una tonelada de la base para
solvente es una mezcla de 0.5 toneladas del material 1. 0.2 toneladas del material 2 y 0.3
toneladas del material 3.La producción de RMC está restringida por una disponibilidad
limitada de las tres materias primas. Para el periodo de producción actual, RMC tiene
disponibles las siguientes cantidades de cada materia prima:
The Management Scientist
Función objetivo
Restricciones
Cantidad disponibleMaterial para la producciónMaterial 1 20 toneladasMaterial 2 5 toneladasMaterial 3 21 toneladas
Debido a los desechos y a la naturaleza del proceso de producción, los materiales que no
se lleguen a usar en una corrida de producción no se pueden almacenar para las
subsiguientes, son inútiles y deben desecharse.
El departamento de contabilidad analizó las cifras de producción, asigno todos los
costos relevantes y llegó a precios que, para ambos productos, producirían una
contribución a la utilidad de $40 por cada tonelada de aditivo para combustible
producida y $30 por cada tonelada producida de base de solvente. Ahora usaremos la
programación lineal para determinar la cantidad de aditivo para combustible y la
cantidad de base para solvente por producir a fin de maximizar la contribución a la
ganancia total.
Formulación del problema
RMC desea determinar cuánto de cada producto producir para maximizar la
contribución total a la utilidad. Las toneladas disponibles de los tres materiales que se
requieren que se requieren para elaborar los dos productos delimitan la cantidad de
toneladas de cada producto que pueden producirse.
Describir el objetivo : El objetivo de RMC es maximizar la contribución total a las
ganancias.
Describir cada restricción : Tres restricciones limitan la cantidad de toneladas de
aditivo para combustible y base para solvente que puede producirse
oRestricción 1: La cantidad de material 1 que se use debe ser menor o igual que las 20
toneladas disponibles
oRestricción 2: La cantidad de material 2 que se use debe ser menor o igual que las 5
toneladas disponibles
oRestricción 3: La cantidad de material 3 que se use debe ser menor o igual que las 21
toneladas disponibles.
Definir las variables de decisión : The Management Scientist
1) La cantidad de toneladas de aditivo para combustible por producir.
2) La cantidad de toneladas de base para solvente por producir.
F = cantidad de toneladas de aditivo para combustible
S = cantidad de toneladas de base para solvente
Escribir el objetivo en función de las variables de decisión
La contribución a la utilidad de RMC proviene de la producción de F toneladas de
aditivo para combustible y S toneladas de base para solvente. Debido a que RMC gana
$40 por cada tonelada de aditivo para combustible producida y $30 por cada tonelada de
base para solvente producida, la compañía ganara $40F de la producción del aditivo
para combustible Y $30S de la producción de la base para solvente. Por tanto.
Contribución a la ganancia total = 40F + 30S
Debido a que el objetivo, maximizar la contribución a la utilidad total, es una función de
las variables de decisión F y S, nos referimos a 40F + 30S como la función objetivo.
Usando “Max” como una abreviatura para maximizar, podemos escribir el objetivo de
RMC como sigue:
Escribir las restricciones en función de las variables de decisión
Restricción 1:
Toneladas de material 1 usado < Toneladas de material 1 disponible
Cada tonelada de aditivo para combustible que produzca RMC usara 0.4 toneladas de
material 1. Por tanto 0.4F toneladas de material 1 se usan para producir F toneladas del
aditivo. Del mismo modo, cada tonelada de base para solvente que produzca RMC usará
0.5 toneladas de material 1. Por tanto 0.5S toneladas de material 1 se usan para producir
S toneladas de base para solvente. Por consiguiente, las toneladas de material 1 que se
usen para producir F toneladas de aditivo y S toneladas de base es
Toneladas de material 1 usado = 0.4F + 0.5S
The Management Scientist
Max 40F + 30 S
Debido a que se dispone de 20 toneladas de material 1 para usar en la producción, la
declaración matemática de restricción 1 es:
Restricción 2:
Toneladas de material 2 usadas < Toneladas de material 2 disponibles
El aditivo para combustible no usa el material 2. Sin embargo, cada tonelada de base
para solvente que produzca RMC usará 0.2 toneladas de ese material 2; por tanto, 0.2S
toneladas del material 2 usado para producir F toneladas de aditivo para combustible y S
toneladas de base para solvente es
Tonelada de material 2 usado = 0.2S
Debido a que se dispone de 5 toneladas del material 2 para la producción, la
declaración matemática de la restricción 2 es:
Restricción 3:
Toneladas del material 3 usado < Toneladas del material 3 disponibles
Cada tonelada de aditivo de combustible que produzca RMC usará 0.6 toneladas del
material 3; por tanto, 0.6F toneladas de material 3 se emplean para producir F toneladas
de aditivo. Del mismo modo, cada tonelada de base para solvente que produzca RMC
usará 0.3 toneladas del material 3; por lo tanto, 0.3S toneladas del material 3 se emplean
para producir S toneladas de base para solvente. Por consiguiente, la cantidad de
toneladas del material 3 usado para producir F toneladas de aditivo y S toneladas de
base es:
Toneladas de material 3 usado = 0.6F + 0.3S
The Management Scientist
0.4F + 0.5S < 20
0.2 < 5
Debido a que se dispone de 21 toneladas del material 3 para la producción, la
declaración matemática de la restricción 3 es:
Agregar las restricciones de no negatividad
RMC no puede producir una cantidad negativa de toneladas de aditivo para combustible
ni una cantidad negativa de toneladas de base para solvente; por consiguiente, deben
agregarse restricciones de no negatividad para prevenir que las variables de decisión F y
S tengan valores negativos. Estas restricciones de no negatividad son
F > 0 y S > 0
Las restricciones de no negatividad son una característica general de los problemas de
programación líneas y pueden escribirse en la forma abrevia:
Max 40F + 30S
0.4F + 0.5S < 20 Material 1
0.2S < 5 Material 2
0.6F + 0.3s < 21 Material 3
F, S > 0
1.- Seleccionamos programación lineal y luego “Ok”
The Management Scientist
0.6F + 0.3S < 21
2.- Tomamos la opción “File” y luego “new”
3.- Ponemos el número de variables y de restricciones. Y ponemos maximizar
4.- Procedemos a llenar el cuadro y posteriormente le damos solución y luego “solve”
5.- Obtenemos el resultado óptimo que es 1600
The Management Scientist
UN PROBLEMA DE MINIMIZACIÓN SIMPLE
(Fuente: Anderson, D., Sweeney, D. y Williams, T.2004. Métodos cuantitativos para
los negocios. 9° edición. México: Thomson. Pagina. 247)
M&D Chemicals produce dos productos que se venden como materias primas a
compañias que fabrican jabones para baño y detergentes para ropa. Basado en un
analisis de los niveles de inventario actuales y la demanda potencial para el mes
siguiente, la gerencia de M&D ha especificado que la produccion combinada para los
productos A y B debe ser en total al menos de 350 galones. Por separado, tambien debe
satisfacer un pedido de un cliente importante de 125 galones del producto A. El
producto A requiere dos horas de procesamiento por galón, mientras el producto B
requiere una hora de procesamiento por galón, y para el siguiente mes se dispone de 600
horas de tiempo de procesamiento. El objetivo de M&D es satisfacer estos
requerimientos con un costo total de produccion minimo. Los costos de producción son
$2 por galon para el producto A Y $3 por galón para el producto B.
Para encontrar el calendario de producción de costo mínimo, formularemos el problema
de M&D Chemicals como un programa lineal. Siguiendo un procedimiento parecido al
usado para el problema de RMC, primero definimos las variables de decisión y la
función objetivo para el problema. Sea
A = cantidad de galones del producto A
B = cantidad de galones del producto B
Debido a que los costos de producción son de $2 por galon para el producto A y $3 por
galón para el producto B, la función objetivo que corresponde a la minimiazación del
costo total de producción puede escribirse como:
Min 2A + 3B
A continuación consideramos las restricciones impuestas al problema de M&D
Chemicals. Para satisfacer la demanada del cliente importante de 125 galones del
producto A, sabemos que A debe ser al menos 125. Por tanto, escribimos la restricción
The Management Scientist
1A > 125
Debido a que la producción combinada para ambos productos debe ser en total al menos
350 galones, podemos escribir la restricción
1A + 1B > 350
Por último, la limitación en el tiempo de procesamiento disponible de 600 horas
significa que necesitamos agregar la restricción
2A + 1B < 600
Después de agregar las restricciones de no negatividad (A, B > 0), tenemos el siguiente
programa lineal para el problema de M&D Chemicals:
Min 2A + 3B
1A > 125 Demanda para el producto A
1A + 1B > 350 Producción total
2A + 1B < 600 Tiempo de procesamiento
A, B > 0
La solución obtenida usando The Management Scientist se presenta en las siguientes
Imágenes.
1.-Le damos doble clic en el icono de programa y hacemos clic en continue
en la ventana que nos aparecera.
2.- Seleccionamos “programacion lineal” y le damos “OK”
The Management Scientist
3.-Seleccionamos el menú “file” y le damos clic en “nuevo”
4.- Ponemos el “número de variables” y el “número de restricciones” en este caso como
vamos a “minimizar” lo seleccionamos y le damos “ok”
5.- Procedemos a llenar el cuadro con los datos que se nos proporcionó en el problema y
le damos clic a “solución”
The Management Scientist
6.- El programa da el “resutado mas óptimo” que es un costo minimo de 800.
ANALISIS DE SENSIBILIDAD
(Fuente: Anderson, D., Sweeney, D. y Williams, T. 2004. Métodos cuantitativos para
los negocios. 9° edición. México: Thomson. Página 285)
El analisis de sensibilidades importante para los tomadores de decisiones debido a que
los problemas reales ocurren en un ambiente cambiante. Los precios de las materias
primas cambian, la demanda del producto cambia, las capacidades de producción
tambien cambian, los precios de las acciones suben o bajan, etcetera. Si se ha usado un
modelo de programación lineal en un ambiente así, podemos esperar que algunos de los
coeficientes en el modelo se modifiquen con el tiempo y desearemos determinar como
estos cambios afectan la solución óptima. El analis de sensibilidad proporciona la
información necesaria para responder a esos cambios sin requerir una solución completa
de un programa lineal revisado.
Recuerde el problema de RMC que deseaba determinar la cantidad de toneladas de
aditivo para combustible (F) y la cantidad de toneladas de base para solvente (S) a
producir con el objeto de maximizar la contribución a la ganancia total para los dos
productos. Tres restricciones de materias primas limitan las cantidades de los dos
productos que pueden producirse. El modelo de programación línela de RMC se
replantea aquí:
The Management Scientist
Max 40F +30S
0.4F + 0.5S < 20 Material 1
0.2S < 5 Material 2
0.6F + 0.3S < 21 Material 3
F , S > 0
La solución óptima, F = 25 toneladas y S = 20 toneladas, proporcionó una contribución
máxima a la utilidad de $1600.
La solución óptima se baso en contribuciones a la ganancia de $40 por tonelada para el
aditivo y de $30 por tonelada para la base de solvente. Sin embargo, suponga que
despues nos enteramos que una reducción en el precio causa que la contribución a la
ganancia del aditivo caiga de $40 a $30 por tonelada. Puede emplearse el análisis de
sensibilidad para determinar si producir 25 toneladas de aditivo para combustible y 20
toneladas de base para solvente aún es lo mejor. De ser así, no es necesario resolver un
problema de programación lineal modificado con 30F + 30S como la nueva función
objetivo.
El analisis de sensibilidad tambien puede utilizarse para determinar cuales coeficientes
es un modelo de programación líneal son cruciales. Por ejemplo, suponga que la
administracion asume que la contribución a la ganancia de $30 por tonelada de la base
para solvente sólo es una estimación burda de la contribución a la ganancia que
realmente se obtendrá. Si al análisis de sensibilidad muestra que 25 toneladas de aditivo
para combustible y 20 toneladas de base para solvente serán la solución óptima en tanto
la contribución a la ganancia de la base para solvente serán la solución óptima sólo si la
contribución a la utilidad de la base para solvente está entre $29.90 y $30.20 por
tonelada, la administración podría desear revisar la precisión de la estimación de $30
por tonelada.
Otro aspecto del análisis de sensibilidad tiene que ver con los cambios en los valores del
lado derecho de las restricciones. Recuerde que el problema de RMC la solución óptima
usaba todo el material 1 y el material 3 disponible. ¿Qué le sucedería a la solución
óptima y a la contribución a la ganancia total si RMC pudiera obtener cantidades
The Management Scientist
adicionales de cualquiera de estos recursos?. El análisis de sensibilidad puede ayudar a
determinar cuántas toneladas adicionales de material valen la pena y cuántas toneladas
pueden agregarse antes de que aparezcan los rendimientos decrecientes.
Coeficientes de la función objetivo
Ahora suponga que RMC se entera de que una reducción su contribución a la
ganancia a $30 por tonelada. Con esta reducción, la administración de RMC puede
cuestionar la conveniencia de mantener la solución óptima original de F = 25 toneladas
y S = 20 toneladas. Quizá, ahora la solución óptima es diferente. El programa lineal de
RMC con la función objetivo revisada es como sigue:
Max 30F + 30S
0.4F + 0.5S < 20 Material 1
0.5S < 5 Material 2
0.6F + 0.3S < 21 Material 3
F . S > 0
Observese que solo ha variado la función objetivo. Debido a que las
restricciones no han cambiado. La región factible para el problema de RMC revisado
sigue siendo la misma que en el problema original.
A continución resolveremos este problema con el software The Management Scientist
1.- Seleccionamos “programacion lineal” y le clic damos “OK”
The Management Scientist
2.- Seleccionamos el menú “file” y le damos clic en “nuevo”
3.- Se introduce el “número de variables” y el “número de restricciones” en este caso
como vamos a “minimizar” lo seleccionamos y le clic damos “ok”
4.- Procedemos a llenar el cuadro con los datos que se nos proporciono en el problema y
le damos clic a “solución” y luego en solve
The Management Scientist
5.- El programa da el “resultado mas optimo”que es 1050 nos muestra también el slack
(holgura ) en cada una de la alternativas.
Mas de dos variables de decisión
(Fuente: Anderson, D., Sweeney, D. y Williams, T. 2004. Métodos cuantitativos para
los negocios. 9° edición. México: Thomson. Página 299)
Problema de RMC modificado
El problema original de RMC es el siguiente:
The Management Scientist
Max 40F + 30S
0.4F + 0.5S < 20 Material 1
0.2S < 5 Material 2
0.6F + 0.3S < 21 Material 3
F . S > 0
Recuerde que F es la cantidad de toneladas de aditivo para combustible producidas y
que S es la cantidad de toneladas de base para solvente producidas. Suponga que la
administración también está considerando producir un líquido limpiador de alfombra.
Las estimaciones son que cada tonelada de líquido limpiador de alfombra requiera 0.6
toneladas del material 1. 0.1 toneladas del material 2 y 0.3 toneladas del materias 3.
Debido a las capacidades únicas del nuevo producto, la administración de RMC cree
que la compañía realizará una contribución a la ganancia de $50 por cada tonelada de
líquido limpiador de alfombras elaborado durante el periodo de producción actual.
Consideramos las modificaciones que son necesarias en el modelo de programación
lineal original para incorporar el efecto de esta variable de decisión adicional. Sea q C
denote la cantidad de toneladas de líquido limpiador de alfombras producidas. Después
de agregar C a la función objetivo y a cada una de las tres restricciones, obtenemos el
programa lineal para el problema modificado:
Max 40F + 30S + 50C
0.4F + 0.5S + 0.6C < 20 Material 1
0.2S + 0.1C < 5 Material 2
0.6F + 0.3S + 0.3C < 21 Material 3
F . S > 0
1.- Damos doble clic en el icono del programa y luego en continúe en la
siguiente ventana que nos aparecerá.
2.- Seleccionamos programación lineal y luego damos clic en “Ok”
The Management Scientist
3.- Seleccionamosel menú “file” y le damos clic en “nuevo”
4.- Ponemos el “número de variables” y el “número de restricciones” en este caso como
vamos a “maximizar” lo seleccionamos y le damos clic en “ok”
5.- Procedemos a llenar el cuadro con los datos de la función objetivo y las
restricciones que se nos proporciono en el problema y le damos a “solución”y luego en
solve.
The Management Scientist
6.- La solución optima es producir 27.5 toneladas de aditivo para combustible, 0
toneladas de base para solventey 15 toneladas de liquido limpiador para alfombra. El
programa da el “resutado mas óptimo” que es 1850. Nos muestra tambien el costo
reducido que es 12.5 para la variables.
Indica que la contribución a la base de la ganacia tendria que aumentar almenos a $30+
$12.5=42.5 antes que S pudiera tomar un valor positivo en la solucion óptima.
The Management Scientist
CAPÍTULO III: TRANSPORTE, TRANSBORDO Y ASIGNACIÓN DE PUESTOS
Se encarga del estudio de la
distribución de un producto
homogéneo desde un conjunto de
fábricas a un conjunto de
almacenes o puntos de venta de
modo que se satisfagan las
demandas de los almacenes y no se
superen las disponibilidades de las
fábricas, con coste mínimo
El problema del transporte tiene
que ver con la selección de rutas
entre plantas de fabricación y
bodegas de distribución o entre
bodegas de distribución regional y
puntos de distribución local. Al
The Management Scientist
aplicar este método la gerencia está buscando una ruta de distribución que optimizará
algún objetivo; éste puede ser la minimización del costo total del transporte o la
minimización del tiempo total involucrado.
El método de transporte fue formulado por primera vez como un procedimiento especial
para encontrar el programa de costo mínimo para distribuir unidades homogéneas de un
producto desde varios puntos de abastecimiento a varios puntos de consumo.
Entre los datos del modelo se cuenta:
Nivel de oferta de cada fuente y la cantidad de la demanda en cada destino.
El costo de transporte unitario de la mercancía de cada fuente a cada destino.
TRANSPORTE
El problema de transporte: el modelo de red y una formulación de programación
lineal
(Fuente: Anderson, D., Sweeney, D. y Williams, T. 2004. Métodos cuantitativos para
los negocios. 9° edición. México: Cengage Learning. Página 418)
Lo ilustraremos considerando un problema de transporte enfrentado por Foster
Generators. Este problema implica la movilización de un producto de tres plantas a
cuatro centros de distribución. Foster Generators opera plantas en Cleveland, Ohio;
Bedford, Indiana y York, Pennsylvania. Las capacidades de producción a lo largo del
siguiente periodo de planeación de tres meses para un tipo de generador son las
siguientes:
Capacidad deproducción en tres
Origen Planta meses (unidad)1 Cleveland 50002 Bedford 6000
The Management Scientist
3 York 2500Total = 13500
La firma distribuye sus generadores a través de cuatro centros regionales localizados en
Boston, Chicago, San Luis y Lexington; el pronóstico de la demanda en los tres meses
para los centros de distribución es la siguiente:
Pronóstico de laCentro de demanda para tres
DestinoDistribució
n meses (unidades)1 Boston 60002 Chicago 40003 San Luis 20004 Lexington 1500
Total = 13500A la administración le gustaría determinar cuánta de su producción debería embarcarse
desde cada planta a cada centro de distribución. La siguiente grafica muestra las 12
rutas de distribución que puede usar Foster. Esta gráfica se llama red; los círculos se
conocen como nodos y las líneas que los conectan como arcos; cada origen y destino se
presenta con un nodo y cada ruta de embarque posible se representa con un arco.
La cantidad de suministro se escribe junto a cada nodo de origen y la cantidad de la
demanda se escribe junto a cada nodo de destino. Los bienes embarcados de los
orígenes a los destinos representan el flujo en la red. Observe que la dirección del flujo
(del origen al destino) está indicada por las flechas.
El objetivo del problema de transporte de Foster es determinar las rutas a usar y la
cantidad que se embarcará por cada ruta para lograr que el costo de transporte total sea
mínimo.
El costo para cada unidad embarcada en cada ruta se da en la tabla siguiente:
DESTINOSOrigen Boston Chicago San Luis Lexington
Cleveland 3 2 7 6Bedford 7 5 2 3
York 2 5 4 5Puede usarse un modelo de programación lineal para resolver este problema de
transporte. Usamos variables de decisión con doble subíndice, con x11 denotando la
The Management Scientist
cantidad de unidades embarcadas del origen 1 (Cleveland) al destino 1 (Boston), x12
denotando la cantidad de unidades embarcadas del origen 1 (Cleveland) al destino 2
(Chicago), etcétera.
Los problemas de transporte necesitan restricciones debido a que cada origen tiene un
suministro limitado y cada destino tiene un requerimiento de demanda. Consideraremos
primero las restricciones de suministro. La capacidad en la planta de Cleveland es de
5000 unidades. Con la cantidad total de unidades desde la planta de Cleveland
expresado como
Con tres orígenes (plantas), el problema de transporte de Foster tiene tres
restricciones de suministro. Dada la capacidad de 6000 unidades en la planta de Bedford
y de 2500 unidades en la planta de York, las dos restricciones de suministro adicionales
son:
Con los centros de distribución como los destinos, se necesitan cuatro restricciones de
demanda para asegurar que se satisfarán las demandas de destino:
Combinar la función objetivo y las restricciones en un modelo proporciona una
formulación de programación lineal de 12 variables y 7 restricciones del problema de
transporte de Foster Generators:
Min 3x11 +2x12 +7x13 +6x14 + 7x21 + 5x22 + 2x23 + 3x24 + 2x31 + 5x32 + 4x33 + 5x34
s.a x11 + x12 + x13 + x14 <
5000
x21 + x22 + x23 + x24 <
6000
x31 + x32 + x33 + x34 < 2500
The Management Scientist
X11 + X12 + X13 + X14 < 5000 Suministro de Cleveland
X21 + X22 + X23 + X24 < 6000 Suministros de Bedford
X31 + X32 + X33 + X34 < 2500 Suministros de York
X11 + X21 + X31 = 6000 Demanda de Boston
X12 + X22 + X32 = 4000 Demanda de Chicago
X13 + X23 + X33 = 2000 Demanda de San Luis
X14 + X24 + X34 = 1500 Demanda de Lexington
x11 + x21 x31 <
6000
x12 + x22 + x32 <
4000
x13 + x23 + x33 <
2000
x14 + x24 + x34 <
1500
xij > 0 para i = 1, 2, 3 y j = 1, 2 3, 4
The Management Scientist
The Management Scientist
1.- Seleccionamos transporte y luego le damos clic en “ok”
2.- Le damos en clic “File” y luego en new
3.- Ponemos el número de orígenes y de destinos respectivamente y le damos clic “ok”
The Management Scientist
4.- Procedemos a llenar el cuadro con las demandas, los suministros y los costos de
transporte y posteriormente le damos clic en solución y luego “solve”
5.- Escogemos si vamos a maximizar o a minimizar en este caso minimizar y le damos
clic en “ok”
6.- El programa te da el resultado más óptimo. Que es el costo total mínimo $39500
The Management Scientist
SOLUCIÓN ÓPTIMA PARA EL PROBLEMA DE TRANSPORTE DE FOSTER
GENERATORS.
RUTA Unidades Costo por CostoDesde Hasta embarcadas unidad Total
Cleveland Boston 3500 $3 10500Cleveland Chicago 1500 $2 3000Bedford Chicago 2500 $5 12500Bedford San Luis 2000 $2 4000Bedford Lexington 1500 $3 4500
York Boston 2500 $2 5000$ 39500
TRANSBORDO
El problema de trasbordo: el modelo de red y una formulación de programación
lineal.
(Fuente: Anderson, D., Sweeney, D. y Williams, T. 2004. Métodos cuantitativos para
los negocios. 9° edición. México: Cengage Learning. Página 431)
El problema de transbordo es una extensión del problema de transporte en el que se
agregan nodos intermedios, llamados nodos de transbordo, para representar
localizaciones como almacenes. En este tipo más general de problema de distribución,
pueden hacerse embarques entre cualquier par de los tres tipos generales de nodos: de
origen, de transbordo y de destino.
Considerando el problema de transbordo enfrentado por Ryan Electronics, Ryan es una
compañía electrónica con instalaciones de producción en Denver y Atlanta. Los
componentes producidos en cualquier instalación pueden embarcarse a cualquiera de los
almacenes regionales de la firma que se localizan en Kansas City y Louisville. De los
almacenes regionales, la empresa provee a tiendas de ventas al menudeo en Detroit,
Miami, Dallas y Nueva Orleáns.
Costo de transporte por unidad para el problema de transbordo de Ryan ElectronicsThe Management Scientist
ALMACEN
Planta Kansas City Louisville
Denver 2 3
Atlanta 3 1 Tiendas de ventas al menudeo
Planta Detroit Miami Dallas Nueva OrleánsKansas City 2 6 3 6Louisville 4 4 6 5
Como con los problemas de transporte y asignación, podemos formular un modelo de
programación lineal del problema de transbordo a partir de una representación de red.
Como es usual, la función objetivo refleja el costo total de embarque por las 12 rutas
existentes. Combinar la función objetivo y las restricciones conduce a un modelo de
programación lineal de 12 variables y 8 restricciones del problema de transbordo de
Ryan Electronics. La Formulación de programación lineal del problema de transbordo
de Ryan Electronics queda de la siguiente manera:
Min 2x13 + 3x14 + 3x23 + 1x24 + 2x35 + 6x36 + 3x37 + 6x38 + 4x45 + 4x46 + 6x47 + 5x48
s.a x13 + x14 <600 x23 + x24 <400 - x13 - x23 + x35 + x36 + x37 + x38 = 0 - x14 - x24 + x45 + x46 + x47 + x48 = 0 x35 + x45 =200 x36 + x46 =150 x37 + x47 =350 x38 + x48 =300
Ruta Unidades Costo por CostoDesde Hasta embarcadas unidas TotalDenver Kansas City 50 2 1100Denver Louisville 50 3 150Atlanta Louisville 400 1 400
Kansas City Detroit 200 2 400Kansas City Dallas 350 3 1050Louisville Miami 150 4 600Louisville Nueva Orleans 300 5 1500
5200
The Management Scientist
1.- Abrimos el programa y Seleccionamos Programación lineal y le clic damos en “ok”
The Management Scientist
2.- Le damos clic en el menú “File” y después en New
3.- Ponemos el número de orígenes y el número de destinos y seleccionamos minimizar
y le damos en el botón ok
4.-Nos saldrá un cuadro en donde introduciremos la función objetivo y las restricciones
del problema y los demás datos.
5.-Le damos clic en solution y luego en solve
The Management Scientist
Y nos dará el resultado
Y quedara de la siguiente manera
RUTA
Desde Hasta Unidades embarcadas
Costo por unidad
Costo total
Denver Kansas City 550 $2 $1100
Denver Louisville 50 $3 150
Atlanta Louisville 400 $1 400
Kansas City Detroit 200 $2 400
Kansas City Dallas 350 $3 1050
Louisville Miami 150 $4 600
Louisville Nueva Orleans 300 $5 1500
The Management Scientist
ASIGNACION DE PUESTOS
EL PROBLEMA DE ASIGNACIÓN: EL MODELO DE RED Y UNA
FORMULACION DE PROGRAMACION LINEAL.
(Fuente: Anderson, D., Sweeney, D. y Williams, T. 2004. Métodos cuantitativos para
los negocios. 9° edición. México: Cengage Learning. Página 425)
La compañía Fowle Marketing Research enfrenta la tarea de asignar un líder de
proyecto (agente) a cada cliente (tarea). En la actualidad tres individuos no tienen otros
compromisos y están disponibles para las obligaciones de líder de proyecto; sin
embargo, la administración de Fowle se da cuenta de que el tiempo requerido para
completar cada estudio dependerá de la experiencia y capacidad del líder asignado al
proyecto. Los tres proyectos tienen aproximadamente la misma prioridad y la
administración desea asignar líderes de proyecto para minimizar la cantidad total de días
requeridos para completar los tres proyectos. Si solo se le va asignarse un líder a un
cliente ¿qué asignaciones deberían hacerse? Para responder la pregunta de asignación, la
administración de Fowle debe considerar en primer lugar todas las asignaciones de
líder de proyecto- cliente posibles y luego estimar los tiempos para completar el
proyecto correspondiente. Con tres líderes de proyecto y tres clientes, son posibles
nueve alternativas de asignación. Tiempos estimados para completar el proyecto (días)
para el problema de asignación de Fowle Marketing Research.
Cliente
Líder en proyecto 1 2 3
1. Terry 10 15 9
2. Carle 9 18 5
3. McClymonds 6 14 3
UN MODELO DE RED DEL PROBLEMA DE ASIGNACIÓN
The Management Scientist
1.-Le damos clic en el icono para abrir el programa y nos aparecerá una ventana
en donde le daremos en continuar y nos aparecerá una lista de opciones en donde le
daremos clic en el modulo 3 assignment o asignación y luego en ok
2.-Seguidamente le daremos clic file y luego new
3.-Seguidamente nos aparecerá esta ventana en donde se tiene que meter el número de
tareas y el número de agentes y le damos en ok
The Management Scientist
4.-Luego en la siguiente ventana introduciremos los tiempos estimados para completar
los proyectos
5.-Luego le damos clic en solution y luego en solve
6.-A continuación nos aparece un cuadro en donde le debemos dar en minimization
objetive y luego en ok por que se le quiere asignar solo un líder de proyecto a cada
cliente.
Nos dará la cantidad total días en que los líderes de proyecto terminarán y que cliente
se le asigna a cada líder de proyecto.
Se puede resolver también de la siguiente manera como programación lineal
The Management Scientist
El problema de asignación es un caso especial del problema de transporte en el que
todos los valores de suministro y demanda son igual a 1, y la cantidad embarcada en
cada arco es 0 o1 y debido a que es un caso especial de transporte puede elaborarse una
formulación de programación lineal. Para ello necesitamos una restricción para cada
nodo y una variable para cada arco. Con X11 representamos la asignación del proyecto
1(Terry) al cliente 1, X12 la asignación del líder del proyecto 1(Terry) al cliente 2 y así
sucesivamente. Definimos las variables de decisión para el problema como:
Uno si el líder del proyecto i se asigna al siguiente cliente
Xij= 0 de otra manera
Donde i = 1, 2,3y j=1, 2,3
Usando esta notación y los datos del tiempo de la tabla elaboramos expresiones que
indica el tiempo necesario para completar los proyectos:
Días requeridos para la asignación de Terry =10X11+15X12+9X13
Días requeridos para la asignación Carle = 9X21+18X22+5X23
Días requeridos para la asignación McClymonds = 6X31+14X32+3X33
La suma de los tiempos para completar de los tres líderes de proyectos proporcionara
los días totales requeridos para completar las tres asignaciones. Por lo tanto la función
objetivo es:
Min 10X11+15X12+9X13 +9X21+18X22+5X23 +6X31+14X32+3X33
Las restricciones para el problema refleja que cada líder de proyecto puede asignarse,
cuando mucho, a un cliente y que cada cliente debe de tener un líder de proyecto. Estas
restricciones se escriben así como sigue:
X11+X12+X13<1 asignación de Terry
X21+X22+X23<1 asignación de Carle
The Management Scientist
X31+X32+X33<1 asignación de McClymonds
X11+X12+X13=1 cliente 1
X21+X22+X23=1 cliente2
X31+X32+X33=1 cliente 3
Combinar las restricciones y la función objetivo proporciona el siguiente modelo de
programación lineal de nueve variables y seis restricciones, para resolver el problema de
asignación de Fowle Marketing Research
1.-Le damos clic en el icono para abrir el programa y nos aparecerá una ventana
en donde le daremos en continuar y nos aparecerá una lista de opciones en donde le
daremos clic en la opción programación lineal y luego en ok
2.-Seguidamente le daremos clic en file y luego en new
The Management Scientist
3.- Luego nos aparecerá la siguiente ventana se pondrá el número de restricciones y el
número de las variables de decisión, seleccionamos minimize y luego en ok
4.- Nos aparecerá una ventana en donde introduciremos los datos del modelo de programacion lineal que formulamos:como funcion objetivo restricciones y alternativas.
5.- Seguidamente le damos clic en solution y luego en solve
Y nos dará el resultado del problema.
The Management Scientist
En la imagen nos indica que cliente le toco a cada líder de proyecto. A Terry le fue asignado el
cliente 2 y requerirá 15 días, a Carle le fue asignado el cliente 3 y requerirá 5 días y a
McClymonds el cliente uno y requerirá 6 días que da un total de 26 días en terminar los tres
proyectos.
Líder de proyecto
Cliente asignado
Días
Terry 2 15Carle 3 5McClymonds 1 6
Total 26
ORIGEN FICTICIO PROBLEMA KLEIN CHEMICALS
(Fuente: Anderson, D., Sweeney, D. y Williams, T. 2004. Métodos cuantitativos para
los negocios. 9° edición. México: Cengage Learning. página.446)
Klein Chemicals produce un material especial con base en aceite que en la actualidad
esta escaso. Cuatro clientes de Klein ya han colocado pedidos que en conjunto exceden
la capacidad combinada de las dos plantas existentes y la administración enfrenta el
problema de decidir cuantas unidades debería ser suministrada a cada cliente. Como
los cuatro clientes están en diferentes sectores, pueden cargarse diferentes precios,
debido a las diversas estructuras de asignación de precios de la industria. Sin embargo,
costos de producción ligeramente diferentes en las dos plantas y los costos de
transporte variables entre las plantas y los clientes hacen inaceptable una estrategia de
“vender al mejor postor”. Después de considerar el precio, los costos de producción y
los costos de transporte, Klein estableció la siguiente utilidad por unidad para cada
alternativa planta-cliente.
The Management Scientist
ClientePlanta D1 D2 D3 D4Clifton Springs $32 $34 $32 $40Danville $34 $30 $28 $38Capacidad de la planta(unidades ) Pedidos del distribuidor (unidades )
Clifton Springs 5000 D1 2000
D2 5000
Danville 3000 D3 3000
D4 2000
Representación de red del problema Klein Chemicals
1.-Le damos clic en el icono para abrir el programa y nos aparecerá una ventana
en donde le daremos en continuar y nos aparecerá una lista de opciones en donde le
daremos clic en el modulo 2 transportation (transporte) y luego en ok
2.-Seguidamente le daremos clic file y luego new
The Management Scientist
3.-Luego nos aparecerá un cuadro en donde se introducirá el número de orígenes y el
número de destinos que en este caso serán 3 orígenes ya que uno es ficticio y le damos
en ok.
4.-Se introducen los datos, la demanda y la capacidad de origen y la cantidad de
suministros que nos hacen falta para cubrir la demanda se lo asignamos al origen
ficticio.
5.-Le damos clic en solution y luego en solve
The Management Scientist
6.-Nos aparecerá un cuadro en donde le daremos en maximizar porque Klein Chemicals
busca maximizar sus ganancias y le damos ok
Y nos dará el resultado total del costo de transporte.
EN FORMA DE PROGRAMACION LINEAL
The Management Scientist
Se formula un modelo de programación lineal, planteamos la función objetivo en el cual se
busca maximizar las ganancias.
Max 32X1+34x2+32x3+40x4+34x11+30x12+28x13+38x14+0+0+0+0
X1+x2+x3+x4 <5000 Clifton Springs
x11+x12+x13+x14 <3000 Danville
0 <4000 origen ficticio
X1+x11 <2000 D1
x2 +x12 <5000 D2
x3+x13 <4000 D3
x4+x14 <2000 D4
Max 32X1+34x2+32x3+40x4+34x11+30x12+28x13+38x14+0+0+0+0
X1 +x2 +x3 +x4 <5000
x11 +x12 +x13 +x14 <3000
0<4000
X1 +x11 <2000
x2 + x12 <5000
x3 + x13 <4000
x4 +x14 <2000
The Management Scientist
1.-Le damos clic en el icono para abrir el programa y nos aparecerá una ventana
en donde le daremos en continuar y nos aparecerá una lista de opciones en donde le
daremos clic en la opción programación lineal y luego en ok
2.-Seguidamente le daremos clic file y luego new
3.- Luego nos aparecerá la siguiente ventana se pondrá el número de restricciones y el
número de las variables de decisión, seleccionamos maximize y luego clic en ok
4.- Introducimos el modelo de programación lineal, colocamos función objetivo y los
demás datos.
The Management Scientist
5.- Seguidamente le damos clic en solution y luego en solve
Y nos dará el resultado del problema.
Y queda de la siguiente manera
D1 D2 D3 D4 TotalClifton 0 4000 0 1000 5000DanvilleFicticio
20000
01000
03000
10000
30000
The Management Scientist
CAPÍTULO IV:PROGRAMACION DE PROYECTOS PERT YCPM
El PERT/CPM fue diseñado para proporcionar diversos elementos útiles de información
para los administradores del proyecto. Primero, el PERT/CPM expone la "ruta crítica"
de un proyecto. Estas son
las actividades que limitan
la duración del proyecto. En
otras palabras, para lograr
que el proyecto se realice
pronto, las actividades de la
ruta crítica deben realizarse
pronto. Por otra parte, si una
actividad de la ruta crítica
se retarda, el proyecto como
un todo se retarda en la
misma cantidad. Las
actividades que no están en
la ruta crítica tienen una
cierta cantidad de holgura; esto es, pueden empezarse más tarde, y permitir que el
proyecto como un todo se mantenga en programa. El PERT/CPM identifica estas
actividades y la cantidad de tiempo disponible para retardos.
El PERT/CPM también considera los recursos necesarios para completar las
actividades. En muchos proyectos, las limitaciones en mano de obra y equipos hacen
que la programación sea difícil.
Finalmente, el PERT/CPM proporciona una herramienta para controlar y monitorear el
progreso del proyecto. Cada actividad tiene su propio papel en éste y su importancia en
la terminación del proyecto se manifiesta inmediatamente para el director del mismo.
The Management Scientist
PROGRAMACIÓN DE PROYECTOS: CON DE TIEMPOS DE
ACTIVIDAD CONOCIDOS.
PERT y CPM pueden usarse para planear, programas y controlar una amplia variedad
de proyectos. Estos proyectos son tan grandes o complejos que es posible que el
administrador no recuerde toda la información relacionada con el plan, el programa y el
proceso del proyecto.
Programación de proyectos con tiempos de actividades conocidos.
(Fuente: Anderson, D., Sweeney, D. y Williams, T.2004. Métodos cuantitativos para
los negocios. 9° edición. México: Cengage Learning. Página 514)
El propietario de Western Hills Shopping Center planea modernizar y expandir el
complejo actual de 32 locales de negocios del centro comercial; se espera que el
proyecto proporcione espacio para ochos a 10 locales nuevos y el financiamiento se
arregló por medio de un inversionista privado. Todo lo que resta es que el propietario
del centro comercial planee, programe y complete el proyecto de expansión. El primer
paso en el proceso de programación PERT/CPM es elaborar una lista de las actividades
que conforman el proyecto
Lista de Actividades Shopping Cen
Red del proyecto de Western Hills Shopping Center con tiempos de actividad Para
determinar el tiempo en que se completa el proyecto debemos analizar la red e
identificar la llamada ruta crítica para la red.
Actividades Descripción de la actividad Predecesora
inmediata
Tiempo de la actividad
The Management Scientist
A Preparar planos arquitectónicos - 5B Identificar nuevos arrendatarios
potenciales- 6
C Elaborar folletos informativos para los arrendatarios
A 4
D Seleccionar contratistas A 3E Preparar permisos de construcción A 1F Obtener aprobación para los permisos
de construcciónE 4
G Realizar la construcción D,F 14H Finalizar contratos con arrendatarios B,C 12I Mudanza de los arrendatarios G,H 2
Total 51
Ruta es una secuencia de nodos conectados que conduce desde el nodo INICIO hasta el
nodo FIN. Todo el proyecto se demora si se demoran las actividades en la ruta más
larga, por lo que es la ruta critica. Las actividades en esta ruta se conocen como las
actividades críticas del proyecto.
The Management Scientist
Determinación de la ruta critica
Se comienza por encontrar el tiempo de inicio más temprano y el tiempo de inicio más
tardío para todas las actividades en la red.
ES = tiempo de inicio más temprano para una actividad.
EF = tiempo de finalización más temprano para una actividad
T = tiempo de la actividad
El tiempo de finalización más temprano para cualquier actividad es:
EF = ES + t
Escribimos los tiempos de inicio y finalización más temprano en el nodo a la derecha de
la letra de la actividad. Usando la actividad A cono ejemplo, tenemos
EF = ES + t0 + 5 = 5
Debido a que una actividad no puede empezar antes de que todas las actividades
predecesoras inmediatas hayan terminado, se utiliza la siguiente regla. El tiempo de
inicio más temprano para una actividad es igual al más largo de los tiempos de
finalización más tempranos para todas sus predecesoras inmediatas. Red del proyecto de
Western Hills Shopping Center en el que se muestran los tiempos de inicio y
finalización más tempranos para todas las actividades.
The Management Scientist
Continuamos el algoritmo para encontrar la ruta critica haciendo una pasada hacia atrás
a través de la red. Como el proyecto puede completarse en 26 semanas, comenzaremos
la pasada hacia atrás con un tiempo de finalización más tardía.
LS = tiempo de inicio más tardío para una actividad.
LF = tiempo de finalización más tardío para una actividad
LS = LF – t
Puede usarse la siguiente regla para determinar el tiempo de finalización más tardío para
cada actividad en la red.
“El tiempo de finalización más tardío para una actividad es el menor de los tiempos de
inicio más tardío para todas las actividades que le siguen inmediatamente”.
Se establece que el tiempo más tardío en que puede terminarse una actividad es igual al
valor más temprano (menor) para el tiempo de inicio más tardío de las actividades
siguientes. Podemos usar la regla del tiempo de finalización más tardío para verificar los
valores LS y LF mostrados para la actividad.
Después de que se ha completado las pasadas hacia adelante y hacia atrás, podemos
determinar la holgura asociada con cada actividad. La holgura es el tiempo que puede
demostrarse una actividad sin aumentar la duración total del proyecto. La holgura se
calcula: HOLGURA = LS – ES = LF – EF
The Management Scientist
26
26
24
24
I
2
Tiempo de inicio más tardío
Tiempo de finalización más tardío
Programa de actividades para el proyecto de Western Hills Shopping Center
Actividad
Inicio más
temprano (ES)
Inicio más
tardío (LS)
Finalización más
temprana (EF)
Finalización más tardía (LF)
Holgura
(LS – ES)
¿Ruta
critica?
A 0 0 5 5 0 SIB 0 6 6 12 6C 5 8 9 12 3D 5 7 8 10 2E 5 5 6 6 0 SIF 6 6 10 10 0 SIG 10 10 24 24 0 SIH 9 12 21 24 3I 24 24 26 26 0 SI
Red del proyecto de Western Hills Shopping Center en la que se muestran los tiempos
de inicio y finalización más tardíos en cada nodo
1.- Abrir el programa Management, y dar clic en continuar.
The Management Scientist
2.- Seleccionar la opción de PERT/CPM, seguido de OK.
3.- Dar clic en la pestaña “File” y seleccionar la opción “Nuevo”
4.- En el siguiente cuadro dar clic en la opción “Tiempos de Actividad Conocidos”,
agregar el “Numero de Actividades” y dar clic en OK
The Management Scientist
5.- Seleccionar cada “Actividad”, sus “Predecesoras” y así mismo “El tiempo de cada
una”
6.- El programa proporciona la “Tabla Final” con los resultados más óptimos, según su
ruta crítica que es A-E-F-G-Y y el tiempo en completar el proyecto que es 26 semanas,
los inicios más tempranos y tardíos, la finalización más temprana y la más tardía y las
holguras las cuales quedan en 0 son actividades críticas.
The Management Scientist
PROGRAMACIÓN DE PROYECTOS CON TIEMPOS DE ACTIVIDAD INCIERTOSProyecto porta-vac de daugherty
(Fuente: Anderson, D., Sweeney, D. y Williams, T. 2004. Métodos cuantitativos para los negocios. (9° edición). México: Cengage Learning. Pagina 524)
H S daugherty company a fabricado aspiradoras industriales por muchos años. En
fechas recientes un miembro del equipo de investigacion de productos nuevos envio un
reporte sugireiendo que la compañía considera fabricar una aspiradora inalambrica. El
nuevo producto nombrado porta –vac podria contribuir a la expansion de daugherty en
el mercado domestico. La administracion espera fabricar con un costo razonable y por
ser portatiles y sin cables, seran extraordinariamente atractivas. La administracion de
daugherty desea estudiar la factibilidad de fabricar la porta-vac para ello desidio llevar a
cabo el estudio de factibilidadque permitira decidir la accion de emprender.
Lista de actividades para el proyecto porta-vac
Actividad Descripcion. Predesedora inmediata.
The Management Scientist
A Elaborar diseño de producto
B Planear investigacion de mercados
C Preparar enrutamiento A
D Contruir modelo prototipo A
E Preparar folleto de mercadotecnia A
F Preparar estimaciones de costos C
G Hacer pruebas preliminares de producto D
H Completar encuestas de mercado B,E
I Preparar asignacion de precio y reporte de pronosticos
H
J Preparar reporte final F,G,I
Red del proyecto de la aspiradora inalambrica PORTA-VAC.
Tiempo de actividad estimados, optimista, mas probable y pesimista para el proyecto de
PORTA-VAC (en semanas)
The Management Scientist
Actividad Optimista(a)
Mas probable(m)
Pesimista(b)
A 4 5 12
B 1 1.5 5
C 2 3 4
D 3 4 11
E 2 3 4
F 1.5 2 2.5
G 1.5 3 4.5
H 2.5 3.5 7.5
I 1.5 2 2.5
J 1 2 3
1.- Abrir el programa Management, y dar clic en continuar.
2.- Seleccionar la opción de PERT/CPM, seguido de OK.
The Management Scientist
3.- Dar clic en la pestaña “File” y seleccionar la opción “Nuevo”
4.- En el siguiente cuadro dar clic en la opción “Tiempos de Actividad inciertas”,
agregar el “Numero de Actividades” y dar clic en OK
5.- Seleccionar cada “Actividad”, sus “Predecesoras” y así mismo “El tiempo de cada
una”
The Management Scientist
6.- El programa proporciona la “Tabla Final” con los resultados más óptimos, según su
ruta crítica.
Y en el resultado nos muestra la ruta critica que hay que seguir
La ruta critica es A-E-H-I-J que se tiene que seguir
CONSIDERACION DE INTERCAMBIOS DE TIEMPO – COSTOS
(Fuente: Anderson, D., Sweeney, D. y Williams, T. (2004). Métodos cuantitativos para
los negocios. (9° edición). México: Cengage Learning). (p.532)
The Management Scientist
Los elaboradores originales del CPM proporcionaron al gerente del proyecto la opción
de agregar recursos a actividades seleccionadas para reducir el tiempo para completar
el proyecto. Los elementos agregaos generalmente aumentan los costos del proyecto.
Así que la decisión de reducir los tiempos de actividad debe tomar en cuenta el costo
adicional implicado. Un proyecto de mantenimiento de dos maquinas consiste en 5
actividades. Debido a que la administracion ha tenido consideranble experiencia en
proyectos similares los tiempos para las actividades de mantenimiento se cosideran
conocidos; por consiguente se da una sola estimacion detiempo para cada actividad.
Actividad. Descripcion. Predecedora inmediata
Tiempo esperado (dias)
A Revision de la maquina 1 ---- 7B Ajuste de la maquina 1 A 3C Revision de la maquina 2 ---- 6D Ajuste de la maquina 2 C 3E Probar el sisitema B,D 2
Red del proyecto de mantenimiento de dos maquinas.
1.- Abrir el programa Management, y dar clic en continuar.
The Management Scientist
2.- Seleccionar la opción de PERT/CPM, seguido de OK.
3.- Seleccionar cada “Actividad”, sus “Predecesoras” y así mismo “El tiempo de cada
una”
4.- El programa proporciona la “Tabla Final” con los resultados más óptimos, según su
ruta crítica.
CAPÍTULO V:The Management Scientist
MODELOS DE LINEA DE ESPERA.(TEORÍA DE COLAS )
La teoría de las colas es el estudio matemático de las colas o líneas de espera. La
formación de colas es, por supuesto, un fenómeno común
que ocurre siempre que la demanda efectiva de un servicio
excede a la oferta efectiva.
Con frecuencia, las empresas deben tomar decisiones
respecto al caudal de servicios que debe estar preparada
para ofrecer. Sin embargo, muchas veces es imposible
predecir con exactitud cuándo llegarán los clientes que
demandan el servicio y/o cuanto tiempo será necesario para
dar ese servicio; es por eso que esas decisiones implican
dilemas que hay que resolver con información escasa. Estar
preparados para ofrecer todo servicio que se nos solicite en
cualquier momento puede implicar mantener recursos
ociosos y costos excesivos. Pero, por otro lado, carecer de
la capacidad de servicio suficiente causa colas
excesivamente largas en ciertos momentos.
Cuando los clientes tienen que esperar en una cola para recibir nuestros servicios, están
pagando un coste, en tiempo, más alto del que esperaban. Las líneas de espera largas
también son costosas por tanto para la empresa ya que producen pérdida de prestigio y
pérdida de clientes.
LÍNEA DE ESPERA DE UN SOLO CANAL
The Management Scientist
Burguer Dome
(Fuente: Anderson, D., Sweeney, D. y Williams, T. (2004). Métodos cuantitativos para
los negocios. (9° edición). México: Cengage Learning). (p. 601)
Suponga que Burguer Dome analizo los datos sobre las llegadas de los clientes y
concluyo que la tasa media de llegada es de 45 clientes por hora. Para un periodo de un
minuto, la tasa media de llegada seria ʎ=45 clientes/60 minutos= .75 clientes por minuto
por lo que se puede utilizar la función de probabilidad de Poisson para calcular la
probabilidad de x llegadas durante un periodo de un minuto
P(X)= ʎXe- ʎ/X! 1.- Abrir el programa y se le da clic en el botón continúe
2.-Seleccionar línea de espera (waiting lines) y se da clic ok
The Management Scientist
3.- Seguidamente le damos clic en file y luego en new
4.- Seleccionaremos el modelo Distribución de Poisson / Servicio Exponencial y le
damos clic ok
5.-Introduciremos los datos: número de canales que son 1, tasa media de arribos es
0.75y la tasa media de servicio por canal que es 1.
The Management Scientist
6.- Le damos clic en solve y nos arrojara el resultado de probabilidad de cinco clientes o
más
Nos da como resultado la probabilidad de que no haya clientes en la línea de espera es
0.25, la cantidad promedio de clientes en la línea de espera es 2.25, el número promedio
de unidades en el sistema es 3, el tiempo promedio que pasa una unidad en la línea de
espera 3, el tiempo promedio que pasa una unidad en el sistema es 4 y el 75% de los
clientes que llegan tiene que esperar para que los atiendan son indicadores de que
debería hacerse algo para mejorar la operación.
Estas son las probabilidades de n clientes en la línea de espera.
The Management Scientist
Para mejorar la operación de la línea espera los analistas se centran en formas de
mejorar la tasa de servicio. Por lo general, las mejoras en la tasa de servicio se obtienen
realizando los siguientes cambios de manera individual o conjuntamente.
1.- aumentar la tasa de de servicio media ɱ haciendo un cambio creativo en el diseño o
usando nueva tecnología.
2.- agregar canales de servicio de modo que pueda servirse a más clientes
simultáneamente.
MODELO DE LINEA DE ESPERA CON CANALES MULTIPLES
CON LLEGADAS DE POISSON Y TIEMPOS DE SERVICIOS
EXPONENCIALES
(Fuente: Anderson, D., Sweeney, D. y Williams, T. 2004. Métodos cuantitativos para
los negocios. 9° edición. México: Thomsom. Página 609)
Una línea de espera con canales múltiples consiste en dos o más canales de servicio que
se supone que son idénticos desde el punto de vista de su capacidad en el sistema de
canales múltiples, las unidades que llegan esperan en una sola línea y luego pasan al The Management Scientist
primer canal disponible para ser servidas. La operación de un solo canal de Burguer
Dome puede expandirse a un sistema de dos canales al abrir un segundo canal de
servicios.
Suponga que la administración de Burguer Dome desea evaluar la conveniencia de abrir
una segunda estación de procesamiento de pedidos de modo que puede servirse
simultáneamente a dos clientes. Suponga una línea de espera única con el primer cliente
en la línea pasando al primer empleado disponible. Evaluemos las características
operativas para este sistema de dos canales. Sistemas de canales k=2. Para una tasa
media de llegada ʎ=0.75 clientes por minuto y una tasa media de servicio de m=1
cliente por minuto por cada canal donde:
ʎ=tasa media de llegada para el sistema
m=la tasa media de servicio para cada canal
k=cantidad de canales
1.-Abrir el programa y seleccionar línea de espera y darle ok
2.-Seguidamente le damos en file y luego en new
The Management Scientist
3.- Seleccionaremos el modelo Distribución de Poisson / Servicio Exponencial y le
damos ok
4.- Seguidamente nos aparecer un cuadro en donde introduciremos los datos tasa media
de llegada para el sistema (ʎ),tasa media de servicio para cada canal (m) y la cantidad de
canales (k) y después le damos clic en solve
Y nos dará el resultado a este problema de línea de espera de 2 canales
Ahora podemos compara los sistemas de dos canales dos canales con las características
operativas del sistema original de un solo canal.
The Management Scientist
Tiempo promedio que pasa un cliente en el sistema (tiempo de espera más tiempo de
servicio) se reduce de W= 4 minutos a W= 1.1636 minutos.
La cantidad promedio de clientes en la línea de espera se reduce de Lq= 2.25 clientes
a Lq = 0.1227 clientes
El tiempo promedio que pasa un cliente en la línea de espera se reduce de Wq=
3minutos a Wq= 0.1636 minuto.
La probabilidad de que un cliente tenga que esperar por el servicio se reduce de P w=
0.75 a Pw= 0.2045.
La probabilidad de que no haya clientes en la línea de espera es de 0.4545
La cantidad promedio de clientes en el sistema es de 0.8727
La probabilidad de que al llegar un cliente tenga que esperar es de 0.2045
ANALISIS ECONOMICOS DE LAS LINEAS DE ESPERA
(Fuente: Anderson, D., Sweeney, D. y Williams, T.2004. Métodos cuantitativos para
los negocios. 9° edición. México: Thomson Learning. Página .616)
Un administrador puede querer identificar el costo de operar el sistema de línea de
espera y luego, basar la decisión respecto al diseño del sistema, en costo de operación
por hora o día mínimo. Antes de que pueda llevarse a cabo un análisis económico de
una línea de espera, debe de elaborarse un modelo de costo total el cual incluye el costo
de esperar y el costo de servicio.
Para elaborar un modelo de costo total para una línea de espera, se debe de tomar en
cuenta:
The Management Scientist
Cw= el costo de esperar por periodo para cada unidad
L= la cantidad de promedio de unidades en el sistema
Cs= el costo de servicio por periodo para cada canal
K= cantidad de canales
TC= el costo total por periodo
Para realizar un análisis económico de una línea de espera debemos obtener
estimaciones razonables del costo de esperar y el costo del servicio. De estos dos
costos, por lo general el de esperar es el más difícil de evaluar. En el problema de
Burguer Dome, el costo de esperar seria el costo por minuto para un cliente que espera
por servicio. Este no es un costo directo para Burguer Dome, sin embargo si Burguer
Dome lo ignora y permite las líneas esperas largas, los clientes comerán en otra parte.
Generalmente es más fácil determinar el costo del servicio. Este es el costo relevante
asociado con la operación de cada canal de servicio; en el problema de Burguer Dome,
incluirá los salarios y prestaciones del empleado y cualquier otro costo directo asociado
con la operación del canal de servicio. En Burguer Dome este costo se estima en $7
dólares por hora. Suponemos que Burguer Dome está dispuesto a asignar un costo de
$10 por hora en el tiempo de espera del cliente.
1.- Abrir el programa y seleccionar línea de espera y darle ok
The Management Scientist
2.-Seguidamente le damos en file y luego en new
3.- Seleccionaremos el modelo Distribución de Poisson / Servicio Exponencial y le
damos ok
4.-Seguidamente nos aparecerá un cuadro en donde introduciremos los datos: tasa
media de llegada para el sistema (ʎ),tasa media de servicio para cada canal (m) y la
cantidad de canales (k) activamos la casilla de análisis económico y después le damos
clic en solve
Y nos dará el resultado de la línea de espera de dos canales
The Management Scientist
Resultado de la línea de espera de un solo canal
Si hacemos una comparación de las línea de espera de un solo canal con la línea de
espera de dos canales podemos notar que el de un solo canal tiene un costo de $37 por
hora y la dos canales tiene un costo de $22.73 por hora por lo tanto, con base en los
datos de costo proporcionada por Burguer Dome, el sistema de dos canales proporciona
la operación más económica pero aumenta el costo de mano de obra.
The Management Scientist