Sie sind auf Seite 1von 106

MANUAL DE INVESTIGACIN DE OPERACIONES II

CATEDRTICO: m. c. RAL LEONEL GUZMN SAMPAYO. REALIADO POR: CASTRO OCHOA AGUSTIN. ELIZALDE RAMIREZ FERNANDO. RODRIGUEZ MARTINEZ JOAQUIN C. SONI SANTOS IRIS ABRIL. ESPECIALIDAD: INGENIERA INDUSTRIAL PERIODO: AGOSTO-DICIEMBRE 2008
CERRO AZUL, VER.

NDICE UNIDAD I: PROGRAMACIN DINMICA 1.1 Caractersticas de la programacin dinmica: etapas, estados, frmula recursiva, programacin en avance y retroceso.. .........................4 1.2 Algunos modelos de ejemplos de Programacin Dinmica...6 1.3 Programacin dinmica determinstica..7 1.4 Programacin dinmica probabilstica...8 1.5 Problema de dimensionalidad de Programacin Dinmica8 Ejercicios resueltos....10 Ejercicios propuestos..21 UNIDAD II: TEORA DE COLAS 2.1 Introduccin y casos de aplicacin24 2.2 Definiciones caractersticas y suposiciones.24 2.3 Terminologa y notacin. ....26 2.4 Proceso de nacimiento y muerte Modelos Poisson. ....27 2.5 Un servidor, fuente finita, cola finita. .28 2.6 Un servidor, cola infinita, fuente infinita.30 2.7 Servidores mltiples, cola infinita, fuente infinita. 32 2.8 Servidores mltiples, cola finita, fuente finita. ..34 Ejercicios resueltos..36 Ejercicios propuestos..40 UNIDAD III: TEORA DE DECISIN 3.1 Caractersticas generales de la teora de decisiones. ..43 3.2 Criterios de decisin determinsticos y probabilsticos..44 3.3 Valor de la informacin perfecta. ..45 3.4 rboles de decisin. ...46 3.5 Teora de dualidad. .47 3.6 Decisiones secuenciales. ...49 3.7 Anlisis de sensibilidad. .....49 Ejercicios resueltos..51 Ejercicios propuestos..55 UNIDAD IV: CADENAS DE MARKOV 4.1 Introduccin. .58 4.2 Formulacin de las cadenas de Markov. .58

4.3 Procesos estocsticos. .60 4.4 Propiedad Markoviana de primer orden. 60 4.5 Probabilidades de transicin estacionarias de un solo paso...61 4.6 Probabilidades de transicin estacionarias de n pasos...63 4.7 Estados absorbentes. 64 4.8 Probabilidades de transicin estacionarias de estados estables. Tiempos de primer paso. .65 Ejercicios resueltos66 Ejercicios propuestos72 UNIDAD V: OPTIMIZACIN DE REDES 5.1 Terminologa75 5.2 Problema de la ruta ms corta. Redes cclicas y acclicas. 77 5.3 Problema del rbol de mnima expansin. 80 5.4 Problema de flujo mximo. ...81 5.5 Problema de flujo de costo mnimo. ...83 5.6 Programacin lineal en teora de redes. 86 5.7 Uso de programas de computacin. ..88 Ejercicios resueltos...95 Ejercicios propuestos..103 Bibiliografa....105

UNIDAD I:

PROGRAMACIN DINMICA
1.1 CARACTERSTICAS DE LOS PROBLEMAS DE PROGRAMACIN DINMICA: ETAPAS, ESTADOS, FRMULA RECURSIVA, PROGRAMACIN EN AVANCE Y EN RETROCESO
La programacin dinmica es una tcnica matemtica que se utiliza para la solucin de problemas matemticos seleccionados, en los cuales se toma una serie de decisiones en forma secuencial. Proporciona un procedimiento sistemtico para encontrar la combinacin de decisiones que maximice la efectividad total, al descomponer el problema en etapas, las que pueden ser completadas por una o ms formas (estados), y enlazando cada etapa a travs de clculos recursivos. La programacin dinmica es un enfoque general para la solucin de problemas en los que es necesario tomar decisiones en etapas sucesivas. Las decisiones tomadas en una etapa condicionan la evolucin futura del sistema, afectando a las situaciones en las que el sistema se encontrar en el futuro (denominadas estados), y a las decisiones que se plantearn en el futuro. La programacin dinmica parte de una pequea porcin del problema y llega a la solucin ptima para esa pequea parte del problema, entonces gradualmente se agranda el problema hallando la solucin ptima en curso a partir de la anterior. Este proceso se repite hasta obtener la solucin ptima del problema original. El problema de la diligencia es un prototipo literal de los problemas de programacin dinmica. Por tanto una manera de reconocer una situacin que se puede formular como un problema de programacin dinmica es poder identificar una estructura anloga a la del problema de la diligencia.

Caractersticas bsicas. 1.- El problema se puede dividir en etapas que requieren una poltica de decisin en cada una de ellas. 2.- Cada etapa tiene cierto nmero de estados asociados con su inicio. Los estados son las distintas condiciones posibles en las que se puede encontrar el sistema en cada etapa del problema. 3.- El efecto de la poltica de decisin en cada etapa es transformar el estado actual en un estado asociado con el inicio de la siguiente etapa. 4.- El procedimiento de solucin est diseado para encontrar una poltica ptima para el problema completo.

5.- Dado el estado actual, una poltica ptima para las etapas restantes es independiente de la poltica adoptada en etapas anteriores. Este es el principio de optimalidad para programacin dinmica. 6.- El procedimiento de solucin se inicia al encontrar la poltica ptima para la ltima etapa. 7.- Se dispone de una relacin recursiva que identifica la poltica ptima para la etapa n, dada la poltica ptima para la etapa n+1. La forma precisa de relacin recursiva difiere de un problema a otro de programacin dinmica, pero usaremos una notacin anloga a la siguiente: N = nmero de etapas. n = etiqueta para la etapa actual ( n = 1,2,...,N) sn = estado actual para la etapa n xn = variable de decisin para la etapa n xn* = valor ptimo de xn (dado sn) fn(sn,xn) = contribucin a la funcin objetivo de las etapas n, n+1,...,N, si el sistema se encuentra en el estado sn en la etapa n, la decisin inmediata es xn y en adelante se toman decisiones ptimas. fn*(sn) = fn(sn,xn*) La relacin recursiva siempre tendr la forma: fn*(sn) = mn fn(sn,xn) fn*(sn) = max fn(sn,xn) 8.- Cuando se usa esta relacin recursiva, el procedimiento de solucin comienza al final y se mueve hacia atrs etapa por etapa, hasta que encuentra la poltica ptima desde la etapa inicial.

Procedimiento de solucin. 1. Se construye una relacin recursiva que identifica la poltica ptima para cada estado en la etapa n, dada la solucin ptima para cada estado en la etapa n + l. 2. Se encuentra la decisin ptima en la ltima etapa de acuerdo a la poltica de decisin establecida. Comnmente la solucin de esta ltima etapa es trivial, es decir, sin ningn mtodo establecido, tomando en cuenta solamente la "contribucin" de la ltima etapa. 3. La idea bsica detrs de la relacin recursiva es trabajar "hacia atrs", preguntndose en cada etapa: qu efecto total tendra en el problema si tomo una decisin particular en esta etapa y acto ptimamente en todas las etapas siguientes?

Si se resolviera el problema "hacia adelante", es decir, de la primera etapa hacia la sera necesario realizar una enumeracin exhaustiva de todas las alternativas, que resolvindolo "hacia atrs" reducimos el nmero de alternativas a analizar, simplificando la solucin del problema. Cuando se llega a la etapa inicial se encuentra la solucin ptima.

1.2 EJEMPLOS DE MODELOS DE PROGRAMACIN DINMICA


El problema de la diligencia. Un cazafortunas desea ir de Missouri a California en una diligencia, y quiere viajar de la forma ms segura posible. Tiene los puntos de salida y destino conocidos, pero tiene mltiples opciones para viajar a travs del territorio. Se entera de la posibilidad de adquirir seguro de vida como pasajero de la diligencia. El costo de la pliza estndar (cij ) se muestra en la tabla siguiente.

El problema de las monedas. Para el problema de las monedas con programacin dinmica se necesita crear un algoritmo que permita a una mquina expendedora devolver el cambio mediante el menor nmero de monedas posible. Mediante la programacin dinmica se solucionar el caso en el que el nmero de monedas de cada tipo es ilimitado. En el problema de las monedas mediante el algoritmo voraz el que el nmero de monedas es ilimitado.

El problema de la mochila. Sean n objetos no fraccionables de pesos pi y beneficios bi. El peso mximo que puede llevar la mochila es C. Queremos llenar la mochila con objetos, tal que se maximice el beneficio. Los pasos que vamos a seguir son los siguientes:

Ver que se cumple el principio de optimalidad de Bellman. Buscar ecuaciones recurrentes para el problema. Construir una tabla de valores a partir de las ecuaciones.

1.3 PROGRAMACIN DINMICA DETERMINSTICA


Los problemas determinsticos de programacin dinmica son aquellos en los cuales el estado asociado en la etapa siguiente est totalmente determinado por el estado y la poltica de decisin de la etapa actual. La siguiente figura describe el funcionamiento de la programacin dinmica determinstica.

Sn Contribucin al objetivo fn (Sn,Xn) Cn (Xn)

Sn+1

fn+1* (Sn+1* )

Los problemas de programacin dinmica determinstica son aqullos en los que el estado en la etapa siguiente queda completamente determinado por el estado y la poltica en la etapa actual. Una manera de catalogar los problemas de programacin dinmica determinstica es por la forma de la funcin objetivo. Por ejemplo, el objetivo podra ser minimizar la suma de contribuciones de las etapas individuales, o bien minimizar un producto de tales trminos y as sucesivamente. En un problema de programacin dinmica, las temporadas deben ser las etapas.

1.4 PROGRAMACIN DINMICA PROBABILSTICA


La programacin dinmica probabilstica difiere de la programacin dinmica determinstica en que el estado de la etapa siguiente no queda completamente determinado por el estado y la decisin de la poltica en el estado actual. En lugar de ello existe una distribucin de probabilidad para lo que ser el estado siguiente. Sin embargo, esta distribucin de probabilidad todava esta completamente determinada por el estado y la decisin de la poltica del estado actual. En la siguiente figura se describe diagramticamente la estructura bsica que resulta para la programacin dinmica probabilstica, en donde N denota el nmero de estados posibles en la etapa n+1. Cuando se desarrolla de esta forma para incluir todos los estados y decisiones posibles en todas las etapas, a veces recibe el nombre de rbol de decisin. Si el rbol de decisin no es demasiado grande, proporciona una manera til de resumir las diversas posibilidades que pueden ocurrir.

1.5 PROBLEMA DE DIMENSIONALIDAD EN PROGRAMACIN DINMICA


La programacin dinmica tradicional permite obtener las trayectorias ptimas de control para procesos no lineales, variantes, con cualquier tipo de funcional o ndice de desempeo y con restricciones en las variables. Los algoritmos pueden ser programados en cualquier sistema de cmputo digital ampliamente disponibles en la actualidad. La aplicacin de estos algoritmos a sistemas continuos exige la discretizacin de las ecuaciones diferenciales que modelan el proceso o sistema, as como la cuantificacin de las variables de estado, de las variables de decisin o control y del tiempo. Para obtener resultados tiles se debe construir una rejilla de estados suficientemente fina. En cada punto de la rejilla, en cada etapa de tiempo, se deben integrar las ecuaciones de estado con cada valor admisible de las variables de decisin cuantificadas, para seleccionar aquella que minimiza el ndice de desempeo. Se generan requisitos adicionales de clculo cuando la trayectoria, calculada a partir de un punto de la rejilla no alcanza un estado cuantificado en la etapa siguiente. Para ello es necesario realizar interpolaciones para encontrar los valores de la variable de decisin o control ptima y del ndice de costo. Con un nmero del orden de cinco variables de estado, los algoritmos tradicionales de programacin dinmica exigen elevados requisitos de memoria y de tiempo de clculo a los sistemas de procesamiento digital. Esta caracterstica de la metodologa fue denominada maldicin de dimensionalidad por el propio Bellman, lo cual desalent el empleo de la programacin dinmica tradicional durante ms de veinte aos.

Por otro lado, las ventajas significativas que ofrece la programacin dinmica para la solucin de problemas de control ptimo, tales como, la obtencin de una solucin ptima global, el tratamiento de sistemas no lineales y variantes, la utilizacin de cualquier ndice de desempeo, y el hecho de que cuanto ms restricciones se imponen a las variables mayor es el ahorro de tiempo de cmputo y memoria, promovieron el inters de muchos investigadores por encontrar mtodos alternativos para superar los problemas que presenta la tcnica tradicional

EJERCICIOS RESUELTOS
Ejercicio # 1 Considere la siguiente red en la que cada nmero junto a una ligadura representa la distancia real entre el par de nodos que conecta. El objetivo es encontrar la ruta mas corta del origen al destino. Utilice programacin dinmica para resolver este problema construyendo manualmente las tablas usuales para n=3, n=2 y n=1.

Solucin: n=3 S3 D D n=2 sx2 A B C n=1 sx1 O A 9+11=20 B 6+13=19 C 7+13=20 f1(s) 19 X1* B D 5+6=11 7+6=13 ---------E ---------8+7015 6+7=13 f2*(s) 11 13 13 X2* D D E f3*(s) X3* 6 T 7 T

Ruta: 0BDT

10

Ejercicio # 2 Una compaa esta planeando una estrategia de publicidad durante el ao prximo para sus 3 productos mas importantes. Como los 3 son bastante diferentes, cada esfuerzo de publicidad estar dedicado a un solo producto. Se dispone de un total de 6 millones de dlares para esta campaa de publicidad y se supone que el gasto para cada producto deber ser un nmero entero mayor o igual a uno. El vicepresidente de mercadotecnia ha establecido el objetivo como sigue: determinar cuanto gastar en cada producto con el fin de maximizar las ventas totales. La siguiente tabla da un incremento estimado en ventas (en las unidades apropiadas) para los diferentes gastos en publicidad: Gasto publicidad 1 2 3 4 en Producto 1 7 10 14 17 Producto 2 4 8 11 14 Producto 3 6 9 13 15

Utilice programacin dinmica para resolver este problema.

Solucin: n=3 S3 1 2 3 4 f3*(s) 6 9 13 15 X3* 1 2 3 4

11

n=2

X2 = 1

f2(2,1) = P2(1) + f3*(2-1) = 4+6 = 10

X2 = 1 X2 = 2

f2(3,1) = P2(1) + f3*(3-1) = 4+9 = 13 f2(3,2) = P2(2) + f3*(3-2) = 8+6 = 14

X2 = 1 X2 = 2 X2 = 3

f2(4,1) = P2(1) + f3*(4-1) = 4+13 = 17 f2(4,2) = P2(2) + f3*(4-2) = 8+9 = 17 f2(4,3) = P2(3) + f3*(4-4) = 11+6 = 17

12

X2 = 1 X2 = 2 X2 = 3 X2 = 4 X2 S2 1 2 3 4 n=1 1 10 13 17 19

f2(5,1) = P2(1) + f3*(5-1) = 4+15 f2(5,2) = P2(2) + f3*(5-2) = 8+13 f2(5,3) = P2(3) + f3*(5-3) = 19+9 f2(5,4) = P2(4) + f3*(5-4) = 14+6 2 14 17 21 3 4

= 19 = 21 = 20 = 20 f2*(s2) 10 14 17 21 X2* 1 2 1,2,3 2

17 20

20

X1 = 1 X1 = 2 X1 = 3 X1 = 4 X2 S2 6 1 28

f1(6,1) = P1(1) + f2*(6-1) = 7+21 f1(6,2) = P1(2) + f2*(6-2) = 10+17 f1(6,3) = P1(3) + f2*(6-3) = 14+14 f1(6,4) = P1(4) + f2*(6-4) = 7+10 2 27 3 28 4 27

= 28 = 27 = 28 = 27 f2*(s2) 28 X2* 1,3

123 = 7+8+13 = 28 321 = 14+8+6 = 28

13

Ejercicio # 3 El World Health Council, se dedica a mejorar la atencin mdica en los pases subdesarrollados del mundo. Dispone de 5 brigadas mdicas para asignarlas a 3 de estos pases con el fin de mejora el cuidado de la salud, la educacin para la salud y los programas de capacitacin, entones, el consejo necesita determinar cuantas brigadas debe asignar (si lo hace) a cada uno de estos pases para maximizar la medida de eficiencia de las 5 brigadas. Los equipos deben mantenerse como estn formados por lo que el nmero asignado a cada pas debe ser un entero. La medida de desempeo se tomara en trminos de los aos de vida adicionales por persona (para una pas especifico, esta medida es igual al incremento en el promedio de vida esperado en aos, multiplicado por su poblacin). En la tabla siguiente se dan las estimaciones de estos aos de vida adicionales de vida por persona (en mltiplos de mil) para cada pas y para cada nmero posible de brigadas mdicas asignadas. Cual es la asignacin que maximiza la medida de desempeo? Brigadas Medicas 0 1 2 3 4 5 Pas 1 0 45 70 90 105 120 Pas 2 0 20 45 75 110 150 Pas 3 0 50 70 80 100 130

14

Solucin: n=3 S3 0 1 2 3 4 5 n=2 X2 = 0 X2 = 0 X2 = 1 f2(0,0) = P2(0) + f3*(0-0) = 0+0 = 0 f2(1,0) = P2(0) + f3*(1-0) = 0+50 = 50 f2(1,1) = P2(1) + f3*(1-1) = 20+0 = 20 f3*(s3) 0 50 70 80 100 130 X3* 0 1 2 3 4 5

15

X2 = 0 X2 = 1 X2 = 2 X2 = 0 X2 = 1 X2 = 2 X2 = 3 X2 = 0 X2 = 1 X2 = 2 X2 = 3 X2 = 4 X2 = 0 X2 = 1 X2 = 2 X2 = 3 X2 = 4 X2 = 5 X2 S2 0 1 2 3 4 5 0 0 50 70 80 100 130 1

f2(2,0) = P2(0) + f3*(2-0) = 0+70 = 70 f2(2,1) = P2(1) + f3*(2-1) = 20+50 = 70 f2(2,2) = P2(2) + f3*(2-2) = 45+0 = 45 f2(3,0) = P2(0) + f3*(3-0) = 0+80 f2(3,1) = P2(1) + f3*(3-1) = 20+70 f2(3,2) = P2(2) + f3*(3-2) = 45+50 f2(3,3) = P2(3) + f3*(3-3) = 75+0 f2(4,0) = P2(0) + f3*(4-0) = 0+100 f2(4,1) = P2(1) + f3*(4-1) = 20+80 f2(4,2) = P2(2) + f3*(4-2) = 45+70 f2(4,3) = P2(3) + f3*(4-3) = 75+50 f2(4,4) = P2(4) + f3*(4-4) = 110+0 = 80 = 90 = 95 = 75 = 100 = 100 = 115 = 125 = 110

f2(5,0) = P2(0) + f3*(5-0) = 0+130 = 130 f2(5,1) = P2(1) + f3*(5-1) = 20+100 = 120 f2(5,2) = P2(2) + f3*(5-2) = 45+80 = 125 f2(5,3) = P2(3) + f3*(5-3) = 75+70 = 145 f2(5,4) = P2(4) + f3*(5-4) = 110+50 = 160 f2(5,5) = P2(5) + f3*(5-5) = 150+0 = 150 2 3 4 5 f2*(s2) 0 50 70 95 125 160 X2* 0 0 0,1 2 3 4

20 70 90 100 120

45 95 115 125

75 125 145

110 160

150

n=1 X2 = 0 X2 = 1 X2 = 2 X2 = 3 X2 = 4 X2 = 5 f1(5,0) = P2(0) + f3*(5-0) = 0+160 f1(5,1) = P2(1) + f3*(5-1) = 45+125 f1(5,2) = P2(2) + f3*(5-2) = 70+95 f1(5,3) = P2(3) + f3*(5-3) = 90+70 f1(5,4) = P2(4) + f3*(5-4) = 105+50 f1(5,5) = P2(5) + f3*(5-5) = 120+0 = 160 = 170 = 165 = 160 = 155 = 120

16

X2 S2 5

0 160

1 170

2 165

3 160

4 155

5 120

f2*(s2) 170

X2* 1

131 = 45+75+50=170

Ejercicio # 4 Una estudiante universitaria tiene 7 das para preparar los exmenes finales de 4 cursos y quiere asignar el tiempo que tiene para estudiar de la manera ms eficiente posible. Necesita por lo menos un da para cada curso y quiere concentrarse solo en un curso cada da, por lo que quiere asignar 1, 2, 3 4 das a cada curso. Como hace poco tom un curso de investigacin de operaciones, ha decidido aplicar programacin dinmica para hacer estas asignaciones que maximicen el total de puntos obtenidos en los 4 cursos. Estima que las distintas opciones de das de estudio redituarn puntos de calificacin segn la siguiente tabla:

Nmero Das 1 2 3 4

Puntos de calificacin estimados de Curso 1 Curso 2 Curso 3 3 5 6 7 5 5 6 9 2 4 7 8

Curso 4 6 7 9 9

17

n=4 S4 1 2 3 4 n=3 X3 = 1 X3 = 1 X3 = 2 X3 = 1 X3 = 2 X3 = 3 X3 = 1 X3 = 2 X3 = 3 X3 = 4 X3 S3 1 2 3 4 n=2 X2 = 1 X2 = 1 X2 = 2 X2 = 1 X2 = 2 X2 = 3 X2 = 1 X2 = 2 X2 = 3 X2 = 4 f2(3,1) = P2(1) + f3*(3-1) =5+8 = 13 f2(4,1) = P2(1) + f2*(4-1) = 5+10 = 15 f2(4,2) = P2(2) + f2*(4-2) = 5+8 = 13 f2(5,1) = P2(1) + f3*(5-1) = 5+13 = 18 f2(5,2) = P2(2) + f3*(5-2) = 5+10 = 15 f2(5,3) = P2(3) + f3*(5-3) = 6+8 = 14 f2(6,1) = P2(1) + f3*(6-1) = 5+14 f2(6,2) = P2(2) + f3*(6-2) = 5+13 f2(6,3) = P2(3) + f3*(6-3) = 6+10 f2(6,4) = P2(4) + f3*(6-4) = 9+8 = 19 = 18 = 16 = 17 18 1 8 9 11 11 2 10 11 13 f3(3,1) = P3(1) + f4*(3-1) =2+6 = 8 f3(4,1) = P3(1) + f4*(4-1) = 2+7 = 9 f3(4,2) = P3(2) + f4*(4-2) = 4+6 = 10 f3(5,1) = P3(1) + f4*(5-1) = 2+9 = 11 f3(5,2) = P3(2) + f4*(5-2) = 4+7 = 11 f3(5,3) = P3(3) + f4*(5-3) = 7+6 = 13 f3(6,1) = P3(1) + f4*(6-1) = 2+9 = 11 f3(6,2) = P3(2) + f4*(6-2) = 4+9 = 13 f3(6,3) = P3(3) + f4*(6-3) = 7+7 = 14 f3(6,4) = P3(4) + f4*(6-4) = 8+6 = 14 3 4 F3*(s3) 8 10 13 14 X3* 1 2 2 3,4 F4*(s4) 6 7 9 9 X4* 1 2 3 4

13 14

14

X2 S2 1 2 3 4 X1 = 1 X2 = 2 X3 = 3 X4 = 4 X2 S2 7

1 13 15 18 19

2 13 15 18

F3*(s3) 13 15 18 19

X3* 1 1 1 1 = 22 = 23 = 21 = 20 X3* 2

14 16

17

f2(7,1) = P1(1) + f2*(7-1) = 3+19 f2(7,2) = P1(2) + f2*(7-2) = 5+18 f2(7,3) = P1(3) + f2*(7-3) = 6+15 f2(7,4) = P1(4) + f2*(7-4) = 7+13 1 22 2 23 3 21 4 20 F3*(s3) 23

2131 =5+5+7+6=23

Ejercicio # 5 Una compaa est a punto de introducir un nuevo producto al mercado muy competido y est planeando su estrategia de comercializacin. Ha tomado la decisin de introducir el producto en 3 fases. La fase 1 incluir ofertas especiales de introduccin a un precio muy reducido para atraer a los compradores de primera vez. La fase 2 comprender una campaa intensa de comerciales y anuncios para persuadir a estos compradores de primera vez, que continen comprando el producto a precio normal. Se sabe que otra compaa introducir otro nuevo producto competitivo ms o menos cuando termine la fase 2. La fase 3 entonces, incluir una campaa de seguimiento de promocin para tratar de evitar que los clientes regulares cambien al producto de la competencia. Se cuenta con un presupuesto total de $ 4 millones de dlares para esta campaa comercial. El problema consiste ahora en determinar como asignar este dinero de la manera ms efectiva a las 3 fases. Sean m el porcentaje de mercado inicial que se logra en las fases, f2 la fraccin de este mercado que se retiene en la fase 2 y f3 la fraccin restante del porcentaje de mercado que se retiene en la fase 3. Con los datos de la siguiente figura, aplique programacin dinmica para determinar cmo asignar los $ 4 millones de dlares para maximizar el porcentaje final del mercado para el nuevo producto, es decir, maximizar m+ff+ff. Suponga que el dinero se debe gastar en cantidades enteras mltiplos de 1 milln en cada fase y que el mnimo permisible es 1 para la fase 1 y 0 para las fases 2 y 3.

19

n=3 S3 0 1 2 3 X2 = 0 X2 = 1 X2 = 0 X2 = 1 X2 = 2 X2 = 0 X2 = 1 X2 = 2 X2 = 3 X2 S2 0 1 3 3 X1 = 0 X1 = 1 X1 = 2 X1 = 3 0 0.6 0.1 0.12 0.14 1 0.12 0.2 0.24 F3*(s3) 0.3 0.5 0.6 0.7 X3* 0 1 2 3 f2(1,0) = P3(0) + f3*(1-0) = 0.2*0.5 = 0.1 f2(1,1) = P3(1) + f3*(1-1) = 0.4*0.3 = 0.12 f2(2,0) = P3(0) + f3*(2-0) = 0.2*0.6 = 0.12 f2(2,1) = P3(1) + f3*(2-1) = 0.4*0.5 = 0.2 f2(2,2) = P3(2) + f3*(2-2) = 0.5*0.3 = 0.15 f2(3,0) = P3(0) + f3*(3-0) = 0.2*0.7 f2(3,1) = P3(1) + f3*(3-1) = 0.4*0.6 f2(3,2) = P3(2) + f3*(3-2) = 0.5*0.5 f2(3,3) = P3(3) + f3*(3-3) = 0.6*0.3 2 3 F2*(s2) 0.2 0.12 0.2 0.250 = 0.14 = 0.24 = 0.25 = 0.18

X2* 0 1 1 2 =5 =6 = 4.8 = 10 20

0.15 0.25

0.18

f1(4,0) = P3(0) + f2*(4-0) = 20*0.25 f1(4,1) = P3(1) + f2*(4-1) = 30*0.2 f1(4,2) = P3(2) + f2*(4-2) = 40*0.12 f1(4,3) = P3(3) + f2*(4-3) = 50*0.2

X2 S2 4

1 5

2 6

3 4.8

4 10

F3*(s3) 10

X3* 3

3 millones en la 1a fase 1 millones en la 2a fase 0 millones en la 3a fase

EJERCICIOS PROPUESTOS
Ejercicio Propuesto # 1 El gerente de ventas de una editorial de libros de texto universitarios tiene seis agentes de ventas que puede asignar a tres regiones distintas del pas. Ha decidido que cada regin debe tener por lo menos un agente y que cada agente individual debe quedar restringido a una de estas regiones con el fin de maximizar las ventas. La siguiente tabla da el incremento estimado en las ventas de cada regin si se le asignan diferentes cantidades de agentes. Agentes 1 2 3 4 Regin 1 35 48 70 89 Regin 2 21 42 56 70 Regin 3 28 41 63 75

Ejercicio Propuesto # 2 Una campaa poltica se encuentra en su ltima etapa y las preliminares indican que la eleccin est pareja. Uno de los candidatos tiene suficientes fondos para comprar tiempo de TV por un total de 5 comerciales en horas de mayor audiencia en estaciones localizadas en 4 reas diferentes. Con base en la informacin de las preliminares se hizo una estimacin del nmero de votos adicionales que se pueden ganar en las diferentes reas de difusin segn el nmero de comerciales que se contraten. Estas estimaciones se dan en la siguiente tabla en miles de votos. Comerciales 0 1 2 3 4 5 rea 1 0 4 7 9 12 15 rea 2 0 6 8 10 11 12 rea 3 0 5 9 11 10 9 rea 4 0 3 7 12 14 16

21

Utilice programacin dinmica para determinar como deben distribuirse los 5 comerciales entre las 4 reas con el fin de maximizar el nmero estimado de votos ganados.

Ejercicio Propuesto # 3 El propietario de una cadena de tres supermercados compr 5 cargas de fresas frescas. La distribucin de probabilidad estimada para las ventas potenciales de las fresas antes de que se echen a perder difiere entre los 3 supermercados. El propietario quiere saber como debe asignar las 5 cargas a las tiendas para maximizar la ganancia esperada. Por razones administrativas no quiere dividir las cargas entre las tiendas. Sin embargo, esta de acuerdo en asignar cero cargas a cualquiera de ellas. La siguiente tabla proporciona la ganancia estimada en cada tienda al asignar distintas cantidades de cargas: Numero de cargas 0 1 2 3 4 5 Tienda 1 0 5 9 14 17 21 Tienda 2 0 6 11 15 19 22 Tienda 3 0 4 9 13 18 20

Utilice programacin dinmica para determinas cuantas cargas deben asignarse a cada tienda para maximizar la ganancia total esperada.

Ejercicio Propuesto # 4 La presidenta de un partido poltico en un estado est haciendo planes para las prximas elecciones presidenciales. Cuenta con la colaboracin de 6 voluntarios para trabajar en los distritos electorales y los quiere asignar a 4 distritos de manera que se maximice su efectividad. Ella piensa que sera ineficiente asignar un voluntario a ms de un distrito pero est dispuesta a no asignar a nadie a cualquiera de ellos si pueden lograr ms en otro distrito. La siguiente tabla da el aumento estimado en el nmero de votos para el candidato del partido en cada distrito si se asignan distintos nmeros de voluntarios: Voluntarios 0 1 2 3 4 5 6 Distrito 1 0 4 9 15 18 22 24 Distrito 2 0 7 11 16 18 20 21 Distrito 3 0 5 10 15 18 21 22 Distrito 4 0 6 11 14 16 17 18 22

Este problema tiene varias soluciones optimas sobre cantos voluntarios deben asignarse a cada distrito a fin de maximizar el incremento total esperado en la popularidad del candidato del partido. Utilice programacin dinmica para encontrar todas las soluciones ptimas, para que la presidenta del partido pueda hacer una seleccin tomando en cuenta otros factores.

Ejercicio Propuesto # 5 Considere la siguiente red de proyecto para un sistema tipo PERT, donde el nmero junto al arco es el tiempo requerido para la actividad correspondiente. Considere el problema de encontrar la trayectoria ms grande (el mayor tiempo total) a travs de esta red desde el vento uno (inicio del proyecto) al evento 9 (terminacin del proyecto), ya que la trayectoria ms larga es la ruta crtica. a) Cules son las etapas y los estados para la formulacin de programacin dinmica de este problema? b) Utilice programacin dinmica para resolver este problema construyendo las tablas usuales.

23

UNIDAD II:

TEORA DE COLAS
2.1 INTRODUCCIN Y CASOS DE APLICACIN.
Las lneas de espera, filas de espera o colas, son realidades cotidianas: Personas esperando para realizar sus transacciones ante una caja en un banco, Estudiantes esperando por obtener copias en la fotocopiadora, vehculos esperando pagar ante una estacin de peaje o continuar su camino, ante un semforo en rojo, Mquinas daadas a la espera de ser rehabilitadas. Los anlisis de colas ayudan a entender el comportamiento de estos sistemas de servicio (la atencin de las cajeras de un banco, actividades de mantenimiento y reparacin de maquinaria, el control de las operaciones en planta, etc.). Desde la perspectiva de la Investigacin de Operaciones, los pacientes que esperan ser atendidos por el odontlogo o las prensas daadas esperando reparacin, tienen mucho en comn. Ambos (gente y mquinas) requieren de recursos humanos y recursos materiales como equipos para que se los cure o se los haga funcionar nuevamente.

2.2 DEFINICIONES CARACTERSTICAS Y SUPOSICIONES.


Una cola es una lnea de espera y la teora de colas es una coleccin de modelos matemticos que describen sistemas de lnea de espera particulares o sistemas de colas. Los modelos sirven para encontrar un buen compromiso entre costes del sistema y los tiempos promedio de la lnea de espera para un sistema dado. Los sistemas de colas son modelos de sistemas que proporcionan servicio. Como modelo, pueden representar cualquier sistema en donde los trabajos o clientes llegan buscando un servicio de algn tipo y salen despus de que dicho servicio haya sido atendido. Podemos modelar los sistemas de este tipo tanto como colas sencillas o como un sistema de colas interconectadas formando una red de colas La teora de colas es el estudio matemtico del comportamiento de lneas de espera. Esta se presenta, cuando los clientes llegan a un lugar demandando un servicio a un servidor, el cual tiene una cierta capacidad de atencin. Si el servidor no est disponible inmediatamente y el cliente decide esperar, entonces se forma la lnea de espera. A lo largo del tiempo se producen llegadas de clientes a la cola de un sistema desde una determinada fuente demandando un servicio. Los servidores del sistema seleccionan miembros de la cola segn una regla

24

predefinida denominada disciplina de la cola. Cuando un cliente seleccionado termina de recibir su servicio (tras un tiempo de servicio) abandona el sistema, pudiendo o no unirse de nuevo a la fuente de llegadas. Fuente Recibe el nombre de fuente el dispositivo del que emanan las unidades que piden un servicio. Si el nmero de unidades potenciales es finito, se dice que la fuente es finita; en caso contrario se dice que es infinita. Cuando la fuente es finita se suele asumir que la probabilidad de que se produzca una llegada en un intervalo de tiempo es proporcional al tamao de la fuente en ese instante. En general, nos restringiremos al estudio de sistemas de colas con fuentes infinitas. Tiempo entre llegadas Existen dos clases bsicas de tiempo entre llegadas: Determinstico, en el cual clientes sucesivos llegan en un mismo intervalo de tiempo, fijo y conocido. Un ejemplo clsico es el de una lnea de ensamble, en donde los artculos llegan a una estacin en intervalos invariables de tiempo. Probabilstico, en el cual el tiempo entre llegadas sucesivas es incierto y variable. Los tiempos entre llegadas probabilsticos se describen mediante una distribucin de probabilidad. Mecanismos de servicio Se llama capacidad del servicio al nmero de clientes que pueden ser servidos simultneamente. Si la capacidad es uno, se dice que hay un solo servidor (o que el sistema es monocanal) y si hay ms de un servidor, multicanal. El tiempo que el servidor necesita para atender la demanda de un cliente (tiempo de servicio) puede ser constante o aleatorio. Disciplina de la cola En sistemas monocanal, el servidor suele seleccionar al cliente de acuerdo con uno de los siguientes criterios (prioridades):

El que lleg antes. El que lleg el ltimo. El que menos tiempo de servicio requiere. El que ms requiere.

25

Supuestos El modelo simple de teora de colas que se ha definido, se basa en las siguientes suposiciones: a) Un solo prestador del servicio y una sola fase. b) Distribucin de llegadas de poisson donde l = tasa de promedio de llegadas. c) Tiempo de servicio exponencial en donde m = tasa de promedio del servicio. d) Disciplina de colas de servicio primero a quien llega primero; todas las llegadas esperan en lnea hasta que se les da servicio y existe la posibilidad de una longitud infinita en la cola.

2.3 TERMINOLOGA Y NOTACIN.


Caractersticas operativas.- Medidas de desempeo para una lnea de espera que incluyen la probabilidad de que no haya unidades en el sistema, la cantidad promedio en la lnea, el tiempo de espera promedio, etc. Operacin de estado estable.- Operacin normal de la lnea de espera despus de que ha pasado por un periodo inicial o transitorio. Las caractersticas operativas de las lneas de espera se calculan para condiciones de estado estable. Tasa media de llegada.- Cantidad promedio de clientes o unidades que llegan en un periodo dado. Tasa media de servicio.- Cantidad promedio de clientes o unidades que puede atender una instalacin de servicio en un periodo dado. Lnea de espera de canales mltiples.- Lnea de espera con dos o ms instalaciones de servicio paralelas. Bloqueado.- Cuando las unidades que llegan no pueden entrar a la lnea de espera debido a que el sistema est lleno. Las unidades bloqueadas pueden ocurrir cuando no se permiten las lneas de espera o cuando las lneas de espera tienen una capacidad finita. Poblacin infinita.- Poblacin de clientes o unidades que pueden buscar servicio, no tiene un lmite superior especificado. Poblacin finita.- Poblacin de clientes o unidades que pueden buscar servicio, tiene un valor fijo y finito.

Usualmente siempre es comn utilizar la siguiente terminologa estndar:

26

P0= Probabilidad de que no haya clientes en el sistema Lq= Nmero de clientes promedio en una lnea de espera L= Nmero de clientes promedio en el sistema (Clientes en cola y clientes que estn siendo atendidos). Wq= Tiempo promedio que un cliente pasa en la lnea de espera. W= Tiempo total promedio que un cliente pasa en el sistema. Pn= Probabilidad de que haya n clientes en el sistema. Pw= Probabilidad de que un cliente que llega tenga que esperar por el servicio. Todas estas caractersticas operativas de estado estable se obtienen mediante formulas que dependen del tipo de modelo de lnea de espera que se este manejando. Para calcular stas, se necesitan los siguientes datos: = la cantidad promedio de llegadas por periodo (la tasa media de llegadas) = la cantidad promedio de servicios por periodo (la tasa media de servicio)

2.4 PROCESO POISSON.

DE

NACIMIENTO

MUERTE.

MODELOS

La mayor parte de los modelos elementales de colas suponen que las entradas (llegada de clientes) y las salidas (clientes que se van) del sistema ocurren de acuerdo al proceso de nacimiento y muerte. Este importante proceso de teora de probabilidad tiene aplicaciones en varias reas. Sin embrago en el contexto de la teora de colas, el trmino nacimiento se refiere a llegada de un nuevo cliente al sistema de colas y el trmino muerte se refiere a la salida del cliente servido. El estado del sistema en el tiempo t (t 0), denotado por N (t), es el nmero de clientes que hay en el sistema de colas en el tiempo t. El proceso de nacimiento y muerte describe en trminos probabilsticos cmo cambia N (t) al aumentar t. En general, dice que los nacimientos y muertes individuales ocurren aleatoriamente, en donde sus tasas medias de ocurrencia dependen del estado actual del sistema. De manera ms precisa, las suposiciones del proceso de nacimiento y muerte son las siguientes: SUPOSICIN 1. Dado N (t) = n, la distribucin de probabilidad actual del tiempo que falta para el prximo nacimiento (llegada) es exponencial con parmetro (n=0,1,2,.).

27

SUPOSICIN 2. Dado N (t) = n, la distribucin de probabilidad actual del tiempo que falta para la prxima muerte (terminacin de servicio) es exponencial con parmetro (n=1,2,.). SUPOSICIN 3. La variable aleatoria de la suposicin 1 (el tiempo que falta hasta el prximo nacimiento) y la variable aleatoria de la suposicin 2 (el tiempo que falta hasta la siguiente muerte) son mutuamente independientes. Excepto por algunos casos especiales, el anlisis del proceso de nacimiento y muerte es complicado cuando el sistema se encuentra en condicin transitoria. Se han obtenido algunos resultados sobre esta distribucin de probabilidad de N (t) pero son muy complicados para tener un buen uso prctico. Por otro lado, es bastante directo derivar esta distribucin despus de que el sistema ha alcanzado la condicin de estado estable (en caso de que pueda alcanzarla).

Distribucin de llegadas. Definir el proceso de llegada para una lnea de espera implica determinar la distribucin de probabilidad para la cantidad de llegadas en un periodo dado. Para muchas situaciones de lnea de espera, cada llegada ocurre aleatoria e independientemente de otras llegadas y no podemos predecir cuando ocurrir. En tales casos, los analistas cuantitativos has encontrado que la distribucin de probabilidad de Poisson proporciona una buena descripcin del patrn de llegadas. La funcin de probabilidad de Poisson proporciona la probabilidad de x llegadas en un periodo especfico. La funcin de probabilidad es como sigue: P(x)= xe- x! para x= 0,1,2,

2.5 UN SERVIDOR, FUENTE FINITA, COLA FINITA.


Para los modelos de lnea de espera introducidos hasta ahora, la poblacin de unidades o clientes que llegan para servicio se han considerado ilimitadas. En trminos tcnicos, cuando no se pone lmite respecto a cuntas unidades pueden buscar servicio, se dice que el modelo tiene una poblacin infinita. Bajo esta suposicin, la tasa media de llegada permanece constante sin importar cuntas unidades hay en el sistema de lnea de espera. Esta suposicin de una poblacin infinita se hace en la mayora de los modelos de 28

lnea de espera. En otros casos, se asume que la cantidad mxima de unidades o clientes que pueden buscar servicio es finita. En esta situacin, la tasa media de llegada para el sistema cambia, dependiendo de la cantidad de unidades en la lnea de espera y se dice que el modelo de lnea de espera tiene una poblacin finita. Las frmulas para las caractersticas operativas de los modelos de lnea de espera anteriores deben modificarse para explicar el efecto de la poblacin finita. El modelo de poblacin finita que se expone en esta seccin se basa en las siguientes suposiciones.
1. 2. 3.

Las llegadas para cada unidad siguen una distribucin de probabilidad de Poisson, con una tasa media de llegada . Los tiempos de servicio siguen una distribucin de probabilidad exponencial, con una tasa media de servicio . La poblacin de unidades que pueden buscar servicio es finita.

Con un solo canal, el modelo de lnea de espera se conoce como modelo M/M/1 con una poblacin finita.

La tasa de llegada media para el modelo M/M/1 con una poblacin finita se define en funcin de cun a menudo llega o busca servicio cada unidad. Esta situacin difiere de la de modelos de lnea de espera anteriores en los que denotaba la tasa media de llegada para el sistema. Con una poblacin finita, la tasa media de llegada para el sistema vara, dependiendo de la cantidad de unidades en el sistema. En lugar de ajustar para la tasa de llegada del sistema cambiante, en el modelo de poblacin finita indica la tasa media de llegada para cada unidad. Caractersticas operativas para, el modelo M/M/1 con una poblacin finita de demandantes. Las siguientes formulas se usan para determinar las caractersticas operativas de estado estable para el modelo M/M/1 con una poblacin finita donde: = la tasa media de llegada para cada unidad = la tasa media de servicio N = el tamao de la poblacin 1. Probabilidad de que no haya unidades en el sistema:

29

2. Cantidad de unidades promedio en la lnea de espera:

3. Cantidad promedio de unidades en el sistema:

4. Tiempo promedio que pasa una unidad en la lnea de espera:

5. Tiempo promedio que pasa una unidad en el sistema:

6. Probabilidad de que una unidad que llega tenga que esperar por el servicio:

7. Probabilidad de n unidades en el sistema:

2.6 UN SERVIDOR, COLA INFINITA, FUENTE INFINITA.


Las frmulas que pueden usarse para determinar las caractersticas operativas de estado estable para una lnea de espera de un solo canal se citarn ms adelante. Las frmulas son aplicables si las llegadas siguen una distribucin de probabilidad de Poisson y los tiempos de servicio siguen una distribucin de probabilidad exponencial. Mostramos cmo pueden usarse las frmulas para determinar las caractersticas de operacin de un sistema de un servidor, cola infinita y fuente infinita, y por tanto, proporcionarle a la administracin informacin til para la toma de decisiones. La metodologa matemtica usada para derivar las frmulas para las caractersticas operativas de las lneas de espera es bastante compleja. Sin embargo, el propsito no es proporcionar el desarrollo terico de estos modelos, sino mostrar cmo las frmulas que se han elaborado pueden dar informacin acerca de las caractersticas operativas de la lnea de espera.

30

Caractersticas operativas. Las frmulas siguientes pueden usarse para calcular las caractersticas operativas de estado estable para una lnea de espera de un solo canal con llegadas de Poisson y tiempos de servicio exponenciales, donde: = la cantidad promedio de llegadas por periodo (la tasa media de llegada). = la cantidad promedio de servicios por periodo (la tasa media de servicio). P0= Probabilidad de que no haya clientes en el sistema:

Lq= Nmero de clientes promedio en una lnea de espera:

L= Nmero de clientes promedio en el sistema (Clientes en cola y clientes que estn siendo atendidos):

Wq= Tiempo promedio que un cliente pasa en la lnea de espera:

W= Tiempo total promedio que un cliente pasa en el sistema.

Pn= Probabilidad de que haya n clientes en el sistema.

31

Pw= Probabilidad de que un cliente que llega tenga que esperar por el servicio.

2.7 SERVIDORES INFINITA.

MLTIPLES,

COLA

INFINITA,

FUENTE

Una lnea de espera con canales mltiples consiste en dos o ms canales de servicio que se supone son idnticos desde el punto de vista de su capacidad. En el sistema de canales mltiples, las unidades que llegan esperan en una sola lnea y luego pasan al primer canal disponible para ser servidas. La operacin de un solo canal de Burger Dome puede expandirse a un sistema de dos canales al abrir un segundo canal de servicio. La siguiente figura muestra un diagrama de la lnea de espera de dos canales de Burger Dome. En esta seccin presentamos frmulas que pueden usarse para determinar las caractersticas operativas de estado estable para una lnea de espera de varios canales. Estas frmulas son aplicables si existen las siguientes condiciones. 1.-Las llegadas siguen una distribucin de probabilidad de Poisson. 2.-Tiempo de servicio para cada canal sigue una distribucin de probabilidad exponencial. 3.- La tasa media de servicio es la misma para cada canal. 4.- Las llegadas esperan en una sola lnea de espera y luego pasan al primer canal disponible para el servicio.

Caractersticas Operativas

32

Pueden usarse las siguientes frmulas para calcular las caractersticas operativas de estado estable para lneas de espera con canales mltiples, donde: .- la tasa media de llegada para el sistema. .- la tasa media de servicio para cada canal. k.- la cantidad de canales. P0= Probabilidad de que no haya clientes en el sistema

Lq= Nmero de clientes promedio en una lnea de espera

L= Nmero de clientes promedio en el sistema (Clientes en cola y clientes que estn siendo atendidos).

Wq= Tiempo promedio que un cliente pasa en la lnea de espera.

W= Tiempo total promedio que un cliente pasa en el sistema.

Pn= Probabilidad de que haya n clientes en el sistema.

Pw= Probabilidad de que un cliente que llega tenga que esperar por el servicio:

33

Debido a que es la tasa media de servicio para cada canal, k es la tasa media de servicio para el sistema de canales mltiples. Como sucedi con el modelo de lnea de espera de un solo canal, las frmulas para las caractersticas operativas de las lneas de espera con mltiples canales slo pueden aplicarse en situaciones donde la tasa media de servicio para el sistema es mayor que la tasa media de llegadas; en otras palabras, las frmulas son aplicables slo si k es mayor que .

2.8 SERVIDORES MLTIPLES, COLA FINITA, FUENTE FINITA.


Este tipo de modelo es el M/M/c : DG//, donde el lmite del sistema es finito igual a N; eso quiere decir que el tamao mximo de la cola es N c. Las tasas de llegada y de servicio son y . Las caractersticas operativas para este sistema se calculan como sigue:

Probabilidad de n unidades en el sistema:

Probabilidad de que no haya unidades en el sistema:

34

Cantidad de unidades promedio en la lnea de espera:

Para determinar Wq, W y L, se calcula el valor de ef como sigue:

EJERCICIOS RESUELTOS
Ejercicio Resuelto # 1 Martys Barber Shop tiene una peluquera. Los clientes llegan a la tasa de 2.2 clientes por hora, y los cortes de pelo se dan a la tasa promedio de cinco 35

por hora. Use el modelo de llegadas de Poisson y tiempos de servicios exponenciales para responder las siguientes preguntas. a.-Cual es la probabilidad de que no haya unidades en el sistema? b.-Cul es la probabilidad de que un cliente este recibiendo un corte de pelo y nadie este esperado? c.-Cul es la probabilidad de que un cliente este recibiendo un corte de pelo y un cliente este esperando? d.-Cul es la probabilidad de que un cliente este recibiendo un corte de pelo y dos cliente este esperando? = 2.2 clientes/hr. = 0.037 clientes/min. = 5 cortes/hr. = 0.083 cortes/min. a) P0 = 1 - 2.2 5 = 0.56

b) P0 = 2.2 5

0.56 = 0.56

c) P1 =

2.2 5 2.2 5

0.56 = 0.2464

d) P2 =

0.56 = 0.1084

Ejercicio Resuelto # 2 Willow Brook Bank opera una ventanilla para atencin de automovilistas que permite a los clientes completar sus transacciones bancarias desde sus autos, en las maanas de los das hbiles, las llegadas a las ventanillas ocurren al azar, con una tasa media de llegada de 24 clientes por hora o 0.4 clientes por minuto. a.- Cul es la cantidad media o esperada de clientes que llegara en un periodo de cinco minutos? b.- Suponga que puede usarse la distribucin de probabilidad de Poisson para describir el proceso de llegada. Use la tasa media de llegada del inciso a y

36

calcule las probabilidades de que llegaran exactamente 0, 1, 2 y 3 clientes durante un periodo de cinco minutos. c.- Se esperan demoras si llegan ms de tres clientes durante cualquier periodo de cinco minutos. Cul es la probabilidad de que ocurran esas demoras? a) 0.4 x 5 = 2 clientes/5min. =

b) P0 =

(2)0 e-2 0! (2)1 e-2 1! (2)2 e-2 2! (2)3 e-2 3!

= 0.1353

P1 =

= 0.2707

P2 =

= 0.2707

P3 =

= 0.1804

c) P(demoras) = 1 (0.1353 + 0.2707 + 0.2707 + 0.1804) = 0.1429

Ejercicio Resuelto # 3 En el sistema de lnea de Willow Brook National Bank, suponga que los tiempos de servicio para la ventanilla de atencin en el automvil siguen una distribucin de probabilidad exponencial con una tasa media de servicio de 36 clientes por hora o 0.6 clientes por minuto. Use la distribucin de probabilidad exponencial para responder las siguientes preguntas. a.- Cul es la probabilidad de que el tiempo de servicio sea de un minuto o menos? b.- Cul es la probabilidad de que el tiempo de servicio sea de dos minutos o menos? c.- Cul es la probabilidad de que el tiempo de servicio sea de mas de do minutos?

a) P (tiempo de servicio 1 min) = 1 e-0.6(1) = 0.4512 37

b) P (tiempo de servicio 2 min) = 1 e-0.6(2) = 0.6988

c) P (tiempo de servicio 2 min) = 1 0.6988 = 0.3012

Ejercicio Resuelto # 4 Los pacientes llegan a un consultorio de un dentista a un tasa media de 2.8 pacientes por hora. El dentista puede tratar a los pacientes a una tasa media de 3 pacientes por hora. Un estudio de los tiempos de espera de los pacientes muestra que, en promedio, un paciente espera 30 min de ver al dentista. a) Cules son las tasas medias de llegada y de tratamiento en funcin de pacientes por minuto? b) Cul es la cantidad promedio de pacientes en la sala de espera? c) Si un paciente llega a las 10: 10 A. M. A que hora se espera que salga del consultorio? = 2.8 pacientes / hrs. = 3 pacientes / hrs. Wq = 30 min. a) = 2.8 / 60 = 0.0467 pacientes / min. = 3 / 60 = 0.05 pacientes / min. b) Lq = (0.0467 * 30) = 1.401 pacientes c) Wq = 30 min. W = 30 + (1/0.05) = 50 minutos 10: 10 + 50 min. = 11: 00 A. M.

Ejercicio Resuelto # 5 Los trabajos llegan en forma aleatoria a una planta de ensamblado; suponga que la tasa media de llegada es de 5 trabajos por hora. Los tiempos de servicio (en minutos por trabajo) no siguen la distribucin la probabilidad

38

exponencial. A continuacin se muestra dos diseos propuestos para la operacin de ensamblado de la planta. TIEMPO DE SERVICIO DISEO MEDIA DESVIACIN ESTNDAR A 6. 0 3. 0 B 6. 25 0. 6 a) Cul es la tasa media de servicio en trabajos por hora para cada diseo? b) Para las tasas medias d e servicio en el inciso a, Qu diseo parece proporcionar la tasa de servicio mejor o mas rpida? c) Cules son las desviaciones estndar de los tiempos de servicio en horas? d) Use el modelo M/ G / 1 para calcular las caractersticas operativas para cada diseo e) Cul diseo proporciona las mejores caractersticas operativas? Por qu? = 5 trabajos / hra = 0.0833 trabajos / min. a) Para A.- = 6.0 min. / trabajo = 10 trab / hra = 0. 167 trabajos / min. Para B.- = 6.25 min. / trabajo = 9.6 trabajos / hora = 0.16 trabajos / min. b) La del diseo A c) A.- = 3.0 min / 60 min. = 0.05 hrs B.- = .6 min / 60 min. = 0.01 hrs d) A.Po = 1 5/10 = 0.5 Lq = (52 * 0.052)+ (5 /10)2 = 0.3125 trabajos 2* (1-(5/10) L = 0.3125 + 5/10 = 0.8125 trabajos Wq = 0.3125 / 5 = 0.0625 hrs. W = 0.0625 + 1/ 10 = 0.1625 hrs. Pw = 5/10 = 0.5 B.Po = 1 5/ 9.6 = 0.4792 Lq = (52 * 0.01 2) + (5/9.6)2 = 0.2857 trabajos 2 * (1 5)/9.6)

39

L = 0.2857 + 5/9.6 = 0.8065 trabajos Wq = 0.2857/ 5 = 0.0571 hrs W = 0.2857 + 1/9.6 = 0.1613 hrs Pw = 5 / 9.6 = 0.5208 e) El diseo B. porque tiene un tiempo de espera ligeramente menor y existe mayor probabilidad de que no haya ningn cliente en la fila.

EJERCICIOS PROPUESTOS
Ejercicio Propuesto # 1 El escritorio de referencias de una biblioteca universitaria recibe solicitudes de ayuda. Suponga que puede usarse una distribucin de probabilidad de Poisson, con una tasa media de 10 solicitudes por hora que describe el patrn de llegada y que los tiempos de servicio siguen una distribucin de probabilidad exponencial, con una tasa media de servicio de 12 solicitudes de ayuda en el sistema? a.- Cul es la probabilidad de que no haya solicitudes de ayuda en el sistema? b.- Cul es la cantidad promedio de solicitudes que esperan por el servicio? c.- Cul es el tiempo de espera promedio en minutos antes de que empiece el servicio? d.- Cul es el tiempo promedio en el escritorio de referencias en minutos (tiempos de espera mas tiempo de servicio? e.- Cul es la probabilidad de que una nueva llegada tenga que esperar por el servicio? Ejercicio Propuesto # 2 El gerente de la marina Fore and Aft desea investigar la posibilidad de agrandar el muelle de modo de que dos embarcaciones puedan detenerse para cargar combustible y recibir servicio de manera simultanea. Suponga que la tasa media de llegada es de 5 yates por hora y que la tasa media de servicio para cada canal es de 10 por hora. a) Cul es la probabilidad de que el muelle estar ocioso? b) Cul es a cantidad promedio de embarcaciones que estar esperando por servicio? c) Cul es el tiempo promedio que pasara una embarcacin esperando por servicio en el muelle? d) Cul es el tiempo promedio que pasara un bote en el muelle? e) Si usted fuera el gerente de la marina Fore and Aft, Estara satisfecho con el nivel d servicio que proporcionara su sistema? Por qu?

40

Ejercicio Propuesto # 3 Un estudio de una operacin de servicio de comidas con canales mltiples en el parque de bisbol Red Birds muestra que el tiempo promedio entre la llegada de un cliente al mostrador y su partida con un pedido surtido es de 10 minutos. Durante el juego, los clientes llegan a una tasa promedio de 4 por minuto. La operacin de servicio de comida requiere un promedio de 2 minutos por pedido del cliente. a) Cul es la tasa media de servicio por canal en funcin de clientes por minuto? b) Cul es el tiempo de espera promedio en la lnea antes de colocar un pedido? c) En promedio Cuntos clientes hay en el sistema del servicio de comidas? Ejercicio Propuesto # 4 3.-Movies Tonight es un establecimiento tpico de renta de videos y DVD para clientes que ven pelculas en casa. Durante las noches entre semana, los clientes llegan a Movies Tonight a una tasa promedio de 1.25 clientes por minuto. El dependiente del mostrador puede atender un promedio de dos clientes por minuto. Suponga llegadas de Poisson y tiempos de servicio exponenciales. a.- Cul es la probabilidad de que no haya clientes en el sistema? b.- Cul es la cantidad promedio de clientes que esperan por el servicio? c.- Cul es el tiempo promedio que espera un cliente para que comience el servicio? d.- Cul es la probabilidad de que un cliente que llega tenga que esperar por el servicio? e.- Las caractersticas operativas indican que el sistema de mostrador con un solo dependiente proporciona un nivel de servicio aceptable? Ejercicio Propuesto # 5 Speedy Oil proporciona un servicio de un solo canal de cambio de aceite y lubricacin de automviles. Las llegadas nuevas ocurren a una tasa de 2.5 automviles por hora y la tasa media de servicio es de cinco automviles por hora. Suponga que las llegadas siguen una distribucin de probabilidad de Poisson y que los tiempos de servicio que siguen una distribucin exponencial. a.- Cul es la capacidad promedio de automviles en el sistema? b.- Cul es el tiempo promedio que espera un automvil para que comience el servicio de aceite y lubricacin? c.- Cul es el tiempo promedio que pasa un automvil en el sistema?

41

d.- Cul es la probabilidad de que una llegada tenga que esperar por el servicio?

UNIDAD III:

TEORA DE DECISIN

42

3.1 CARACTERSTICAS GENERALES DE LA TEORA DE DECISIONES.


En lugar de tomar decisiones en periodo largo, la preocupacin ahora se refiere a tomar quiz una sola decisin (o a lo ms una secuencia de unas cuantas decisiones) sobre que hacer en el futuro inmediato. No obstante, todava se tienen factores aleatorios fuera de nuestro control que crean cierta incertidumbre sobre el resultado de cada uno de los diferentes cursos de accin. El anlisis de decisiones proporciona un marco conceptual y una metodologa para la toma de decisiones racional en este contexto. Una pregunta que surge con frecuencia es si tomar la decisin necesaria en este momento o hacer primero algunas pruebas (con algn costo) para reducir el nivel de incertidumbre sobre el resultado de la decisin. Por ejemplo, la prueba puede ser realizar una promocin de prueba de un nuevo producto propuesto para ver la reaccin del consumidor antes de tomar la decisin de proceder o no con la produccin y comercializacin a gran escala del producto. Se hace referencia a estas pruebas como realizar experimentacin. Entonces, el anlisis de decisiones divide la toma de decisiones en los casos sin experimentacin y con experimentacin.

Ejemplo prototipo. La GOFERBROKE COMPANY es duea de unos terrenos en los que puede haber petrleo. Un gelogo consultor ha informado a la gerencia que piensa que existe una posibilidad de 1 a 4 de encontrar petrleo. Debido a esta posibilidad, otra compaa petrolera ha ofrecido comprar las tierras en $90 000. Sin embargo, la Goferbroke est considerando conservarla para perforar ella misma. Si encuentra petrleo, la ganancia esperada de la compaa ser aproximadamente de $700 000; incurrir en una prdida de $100 000 si encuentra un pozo seco (sin petrleo). Sin embargo, otra opcin anterior a tomar una decisin es llevar a cabo una exploracin ssmica detallada en el rea para obtener una mejor estimacin de la probabilidad de encontrar petrleo. Este caso es de una toma de decisiones con experimentacin, y en ese momento se proporcionarn los datos adicionales necesarios. Esta compaa est operando sin mucho capital por lo que una prdida de $100 000 sera bastante seria.

43

3.2 CRITERIOS DE PROBABILSTICOS.


Determinsticos.

DECISIN

DETERMINSTICOS

Los enfoques de la toma de decisiones que no requieren un conocimiento de las probabilidades de los estados de la naturaleza son apropiados en situaciones en los que el tomador de decisiones tiene poca confianza en su capacidad para evaluar las probabilidades, o en las que es deseable un anlisis simple del mejor y el peor caso. Debido a que en ocasiones enfoques diferentes conducen a diferentes recomendaciones, el tomador de decisiones necesita entender los enfoques disponibles y luego seleccionar el enfoque especfico que, de acuerdo con su juicio, sea el ms apropiado. Enfoque optimista El enfoque optimista evala cada alternativa de decisin en funcin del mejor resultado que pueda ocurrir. La alternativa de decisin que se recomienda es la que da el mejor resultado posible. Para un problema en el que se desea la ganancia mxima el enfoque optimista conducira al tomador de decisiones a elegir la alternativa correspondiente a la mayor ganancia. Para problemas que implican minimizacin, este enfoque conduce a elegir la alternativa con el resultado ms pequeo. Para mostrar el enfoque optimista, primero, determinamos el mejor resultado para cada alternativa de decisin; luego, seleccionamos la alternativa de decisin que proporciona el mximo resultado global. Estos pasos identifican de manera sistemtica la alternativa de decisin que proporciona la mayor ganancia posible

Enfoque conservador

El enfoque conservador evala cada alternativa de decisin desde el punto de vista del peor resultado que pueda ocurrir. La alternativa de decisin recomendada es la que proporciona el mejor de los peores resultados posibles. Para un problema en el que la medida de salida es la ganancia el enfoque conservador conducira al tomador de decisiones a elegir la alternativa que maximiza la ganancia mnima posible que podra obtenerse. Para problemas que implican minimizacin, este enfoque identifica la alternativa que minimizar el resultado mximo. Para mostrar el enfoque conservador, primero, identificamos el resultado mnimo para cada una de las alternativas de decisin, luego, seleccionamos la alternativa de decisin que maximiza el resultado mnimo. Este enfoque de decisin se considera conservador debido a que identifica el peor resultado

44

posible y luego recomienda la alternativa de decisin que evita la posibilidad de resultados extremadamente "malos".

Probabilsticos. En muchas situaciones de toma de decisiones podemos obtener evaluaciones de probabilidad para los estados de la naturaleza. Cuando estn disponibles dichas probabilidades podemos usar el enfoque del valor esperado para identificar la mejor alternativa de decisin. Definamos primero el valor esperado de una alternativa de decisin. Sea N= el nmero de estados de la naturaleza P(sj)= la probabilidad del estado de la naturaleza sj Debido a que puede ocurrir uno y slo uno de los N estados de la naturaleza, las probabilidades deben satisfacer dos condiciones:

El valor esperado (VE) de la alternativa de decisin d1 se define como sigue:

En palabras, el valor esperado de una alternativa de decisin es la suma de los resultados ponderados para la alternativa de decisin. El peso para un resultado es la probabilidad del estado de la naturaleza asociado y, por consiguiente, la probabilidad de que ocurrir el resultado.

3.3 VALOR DE LA INFORMACIN PERFECTA.


Antes de realizar cualquier experimento, debe determinarse su valor potencial. Existe un mtodo que supone (de manera poco realista) que la experimentacin eliminar toda la incertidumbre sobre cul es el estado de la naturaleza verdadero y despus hace un clculo rpido sobre cul sera la mejora en el pago esperado (ignorando el costo de experimentacin). Esta cantidad, llamada valor esperado de la informacin perfecta proporciona una 45

cota superior para el valor potencial del experimento. Entonces, si esta cota superior es menor que el costo del experimento, este definitivamente debe llevarse a cabo. Suponga que el experimento puede identificar de manera definitiva cual es el verdadero estado de la naturaleza, proporcionando con esto, informacin perfecta. Cualquiera que sea el estado de la naturaleza identificado, se elegir la accin con el mximo pago para ese estado. No se sabe de antemano cul estado se identificar, por lo que el clculo del pago esperado con la informacin perfecta (ignorando el costo de la experimentacin) requiere ponderar el pago mximo para cada estado de la naturaleza con la probabilidad a priori de ese estado. Para evaluar si debe de realizarse el experimento, se usa la cantidad del pago esperado para calcular el valor esperado de la informacin perfecta (VEIP); ste se calcula como: VEIP= pago esperado con informacin perfecta pago esperado sin experimentacin. As, como la experimentacin casi nunca puede proporcionar informacin perfecta, el VEIP da una cota superior sobre el valor esperado de la experimentacin.

3.4 RBOLES DE DECISIN.


Un rbol decisin proporciona una forma para desplegar visualmente el problema y despus organizar el trabajo de clculos. Estos rboles de decisin son especialmente tiles cuando debe tomarse una serie de decisiones. Ejemplo de un rbol de decisin:

46

Los nodos del rbol de decisin se conocen como nodos de decisin y los arcos se llaman ramas. Un nodo de decisin, representado por un cuadrado, indica que una decisin necesita tomarse en ese punto del proceso. Un nodo de probabilidad, representado por un crculo, indica que ocurre un evento aleatorio en ese punto.

3.5 TEORA DE DUALIDAD.


El dual es un problema de PL que se obtiene matemticamente de un modelo primal de PL dado. Los problemas dual y primal estn relacionados a tal grado, que la solucin smplex ptima de cualquiera de los dos problemas conduce en forma automtica a la solucin ptima del otro. El concepto de dualidad indica que para cada problema de PL hay una asociacin y una relacin muy importante con otro problema de programacin lineal, llamado precisamente dual. Si el Primal es:

47

Mx Z = CX s.a. AX b xi 0 El Dual es: Min Z = bTY s.a. AT Y CT yi 0 Usos de la formulacin dual. Las estructuras duales permiten entre otras cosas: a) Resolver problemas lineales que tienen ms restricciones que actividades. Como el grado de dificultad en resolver un programa lineal por medio de una computadora est en funcin del nmero de filas de la matriz A y no en el nmero de columnas, al aplicarse la dualidad a un problema primal donde m > n, se obtiene otro problema lineal donde el nmero de filas n es menor al nmero de columnas m. b) Hacer interpretaciones econmicas de las soluciones ptimas de los problemas de programacin lineal. c) Crear nuevos algoritmos para la solucin de problemas de redes de optimizacin. d) Generar mtodos como el dual simples para el anlisis de sensibilidad de los programas de programacin lineal. Propiedades del primal y del dual. a) Si el Primal es un problema de Maximizacin (Minimizacin), el Dual es un problema de Minimizacin (Maximizacin). b) Los valores de los recursos del Primal son los valores de los coeficientes de la funcin objetivo del Dual. Y los valores de los coeficientes de la funcin objetivo del Primal son los valores de los recursos del Dual. c) La matriz de los coeficientes tecnolgicos del Dual es la matriz transpuesta de los coeficientes tecnolgicos del Primal. Y como (AT)T=A entonces el Dual(Dual)=Primal. d) El nmero de restricciones del Primal es igual al nmero de variables de decisin del Dual, es decir, por cada restriccin del Primal existe una variable Dual asociada. 48

e) El nmero de variables de decisin del Primal es igual al nmero de restricciones del Dual, es decir, por cada variable del Primal existe una restriccin asociada del Dual. f) Si una restriccin del Primal esta en la forma cannica del problema, la variable Dual asociada es no negativa y viceversa. g) Si una restriccin del Primal no esta en la forma cannica del problema, la variable Dual asociada es no positiva y viceversa. h) Si una restriccin del Prima es una igualdad, la variable Dual asociada es sin restriccin de signo y viceversa.

3.6 DECISIONES SECUENCIALES.


Las decisiones secuenciales de inversiones es un caso interesante que se resuelve con lo que se denomina un rbol de decisiones. Para estos casos es necesario primero conocer (con una encuesta) las probabilidades relativas a la preferencia de los mercados con respecto a un nuevo servicio que se desea ofertar y ello arrojara un % tal que sera el peso subjetivo que se utilizara en el rbol de decisiones. a su vez los rendimientos segn alternativas se hara con el valor actualizado de una anualidad constante, a fin de conocer el van (valor actualizado neto) segn cada inversin para cada alternativa. Pero siempre considerando el van de la decisin de no hacer nada o sea de seguir con sus servicios actuales. Por ejemplo una empresa operadora de turismo tiene la posibilidad de contratar por 10 aos sus servicios para una nueva operacin diferente a su actual operacin. si sus servicios actuales le proporciona por ejemplo 500.000 unidades monetarias por ao, y tendra que abandonar ese servicio para aceptar el nuevo contrato, que incluso le supone realizar una nueva inversin estimada en 6 millones de unidades monetarias, entonces se deben comparar a valor presente los dos rendimientos de esas alternativas para poder decidir.

3.7 ANLISIS DE SENSIBILIDAD.


El anlisis de sensibilidad puede usarse para determinar cmo los cambios en las probabilidades para los estados de la naturaleza o los cambios en los resultados afectan la alternativa de decisin recomendada. En muchos casos, las probabilidades para los estados de la naturaleza y los resultados se basan en afirmaciones subjetivas. El anlisis de sensibilidad ayuda al tomador de decisiones a entender cules de estas entradas son crticas para la eleccin de la mejor alternativa de decisin. Si un cambio pequeo en el valor de una de 49

las entradas causa un cambio en la alternativa de decisin recomendada, la solucin para el problema de anlisis de decisin es sensible a esa entrada particular. Debe hacerse un esfuerzo y tener un cuidado adicional para asegurar que el valor de entrada es tan preciso como sea posible. Por otra parte, si un cambio de modesto a grande en el valor de una de las entradas no causa un cambio en la alternativa de decisin recomendada, la solucin al problema de anlisis de decisin no es sensible a esa entrada particular. No se requerira tiempo o esfuerzo adicional para refinar el valor de entrada estimado. Un enfoque para el anlisis de sensibilidad es seleccionar valores diferentes para las probabilidades de los estados de la naturaleza y los resultados y luego resolver el problema de anlisis de decisiones. Si cambia la alternativa de decisin recomendada, sabemos que la solucin es sensible a los cambios hechos. Es obvio que podramos continuar modificando las probabilidades de los estados de la naturaleza y aprender an ms acerca de cmo afectan los cambios en las probabilidades a la alternativa de decisin recomendada. El inconveniente de este enfoque son los numerosos clculos que se requieren para evaluar el efecto de varios cambios posibles en las probabilidades del estado de la naturaleza. Para el caso particular de dos estados de la naturaleza, puede usarse un procedimiento grfico, para determinar cmo afectan los cambios de las probabilidades a la alternativa de decisin recomendada.

EJERCICIOS RESUELTOS
Ejercicio # 1 50

Pinsese ahora en una empresa de productos alimenticios para ganado, que desea suministrar a la granja tres tipos de pastillas vitamnicas. Esta empresa debe convencer a los responsables de la granja para que aporten las vitaminas que el ganado necesita mediante sus pastillas, y no mediante los preparados que hasta ahora utilizaban. Para ello el precio de venta de las pastillas debe resultar competitivo con respecto a los preparados P1, P2. Sean y1, y2 y y3 los precios por unidad de las vitaminas A, B y C respectivamente. El objetivo de la empresa es fijar unos precios que consigan maximizar sus beneficios pero que adems resulten atractivo para los responsables de la granja. a) Cada kilogramo del preparado P1 aporta 5 unidades de vitamina A, 1.5 unidades de vitamina B y 1 unidad de vitamina C. El precio que debera pagar la granja por conseguir esas mismas cantidades de vitaminas en pastillas sera: 5y1+1,5y2+1y3. A la granja no le resultaran rentables las pastillas a no ser que 5y1+1,5y2+1y3 2. b) Cada kilogramo del preparado P2 aporta 3 unidades de vitamina A, 3 unidades de vitamina B y 1,5 unidades de vitamina C. El precio que debera pagar la granja por conseguir esas mismas cantidades de vitaminas en pastillas sera: 3y1+3y2+1,5y3. A la granja no le resultaran rentables las pastillas a no ser que 3y1+3y2+1,5y3 3. c) Por supuesto, los precios de las pastillas vitamnicas deben ser positivos, por tanto se tienen adems las condiciones de no negatividad de y1, y2 y y3. Suponiendo que la granja se decida por utilizar las pastillas, comprarn justamente las necesarias para aportar las necesidades mnimas del ganado de cada una de las vitaminas. Es decir, por cada animal y da se compraran 27 unidades de vitamina A, 15 de vitamina B y 9 de vitamina C. Por tanto los ingresos de la empresa por la venta de las pastillas seran de Z = 27y1+15y2+9y3 por animal y da. Para establecer los precios, la empresa debera plantearse el programa lineal: PRIMAL Max Z = 27y1+15 y2+ 9y3 s.a. 5y1 + 1,5y2 + 1y3 2 3y1 + 3y2 +1,5y3 3 y1, y2, y3 0

DUAL Max = 2y1 + 3y2 51

s. a. 5y1 + 3y2 27 1.5y1 + 3y2 15 y1 + 1.5y2 9 Solucin: (1.5) 5y1 + 3y2 = 27 (-5) 1.5y1 + 3y2 = 15 7.5y1 + 4.5y2 = 40.5 -7.5y1 - 15y2 = - 75 - 10.5y2 = -34.5 y2 = - 34.5 / - 10.5 y2 = 3.29 y1 + 1.5y2 = 9 y1 = 9 1.5(3.29) y1 = 4.07

Max = 2(4.07) + 3(3.29) = 18.01

Ejercicio # 2 Suponga que de sea invertir $10, 000, en el mercado de valores, comprando acciones de una de dos compaas: A y B. Las acciones de la compaa A son arriesgadas, pero podran producir un rendimiento de 50% sobre la inversin durante el prximo ao. Si las condiciones del mercado de valores no son favorables, las acciones pueden perder el 20% de su valor. La empresa B proporciona utilidades seguras, de 15% en un mercado a la alza y solo 5% en un mercado a la baja. Todas las publicaciones que consulto predicen que hay 60% de probabilidades que el mercado este a la alza y 40% de que este a la baja. Dnde debera invertir su dinero?

Invertir en Mercado a la alza (0.6) $ 5, 000 acciones de A

52

2
Mercado a la baja (0.4) - $ 2, 000

1
Invertir enMercado a la alza (0.6) $1, 500 acciones de B

3
Mercado a la baja (0.4) $ 500

Para las acciones A = $ 5, 000 *0.6 + (-200) * 0.4 = $2200 Para las acciones B = $ 1, 500 * 0.6 + $ 500 * 0.4 = $ 1100 En base a estos clculos se recomienda invertir en la empresa A. Ejercicio # 3 Pittsburgh Development Corporation (PDC) compro unos terrenos en los que se construir un nuevo complejo de condominios de lujo. La ubicacin proporciona una vista espectacular del centro de Pittsburg y del Triangulo Dorado, donde se unen los ros Allegheny y Monongahela para formar el ri Ohio. PDC planea fijar los precios de las unidades del condominio entre $300, 000 y $ 1 400 000 cada una. PDC comisiono los bocetos arquitectnicos preeliminares para tres proyectos de diferente tamao: uno con 30 condominios, otro con 60 y uno ms con 90. El xito financiero del proyecto depende del tamao del complejo de condominios y del evento fortuito para la demanda que exista de los inmuebles. El problema de decisin de PDC es seleccionar el tamao del nuevo proyecto que llevara a la mayor ganancia dada la incertidumbre en la demanda de los condominios. d1 = complejo pequeo con 30 condominios. d2 = complejo mediano con 60 condominios. d3 = complejo grande con 90 condominios. Los resultados posibles para un evento fortuito o estados de la naturaleza son para PDC: s1 = Demanda fuerte para los condominios. s2 = Demanda dbil para los condominios. Enfoque optimista Alternativa de dedicin Resultado mximo

53

Complejo pequeo, d1 Complejo mediano, d2 Complejo grande, d3

8 14 20

El mximo de los valores de resultados mximos es 20, por lo que se recomienda la alternativa de decisin de un complejo de condominios grande.

Enfoque conservador Primero, identificamos el resultado mnimo para cada una de las alternativas de decisin; luego, seleccionamos la alternativa de decisin que maximiza el resultado mnimo. Alternativa de dedicin Pago mnimo Complejo pequeo, d1 7 Complejo mediano, d2 5 Complejo grande, d3 -9 El mximo de los valores de resultados mnimos es 7, por lo que se recomienda la alternativa de decisin de un complejo de condominios pequeos. Enfoque de arrepentimiento mnimax. Suponga que PDC construya un complejo de condominios pequeos y la demanda resulta ser fuerte. LA ganancia resultante para PDC seria de $8, 000, 000 sin embargo, dado que ha ocurrido en el estado de la naturaleza de demanda fuerte, nos damos cuenta que la decisin d construir un complejo de condominios grande, que produce una ganancia de $20, 000, 000, abra sido al mejor decisin. La diferencia entre el resultado por la mejor alternativa de decisin y el pago por la dedicin de construir un complejo de condominios pequeo es la perdida de oportunidad o arrepentimiento. Para este caso la perdida de oportunidad o arrepentimiento es: $ 20 000 000 - $ 8 000 000 = $12 000 000. Generalmente, al siguiente expresin representa la perdida oportunidad o arrepentimiento: Rij = | Vj* - Vij | El siguiente paso es enlistar el arrepentimiento mximo para cada alternativa de decisin. Tabla de prdida de oportunidad o arrepentimiento. Estado de la naturaleza Alternativa de dedicin Demanda fuerte s1 Demanda dbil s2 Complejo pequeo, d1 12 0 54 de

Complejo mediano, d2 Complejo grande, d3

6 0

2 16

Arrepentimiento mximo para cada alternativa de decisin Alternativa de dedicin Complejo pequeo, d1 Complejo mediano, d2 Complejo grande, d3 Arrepentimiento mximo 12 6 16

Se toma el mnimo del arrepentimiento mximo que es 6, el cual corresponde a un complejo mediano.

EJERCICIOS PROPUESTOS
Ejercicio # 1 Tiene usted oportunidad de invertir en tres fondos de ahorros: servicios, de crecimientos agresivos y globales. El valor de su inversin cambiara, dependiendo de las condiciones del mercado. Hay 10% de probabilidades de que el mercado baje, 50% de que quede estable, y 40% de probabilidades de que suba. La tabla siguiente muestra el cambio porcentual en el valor de la inversin bajo las tres condiciones: Rendimientos en un ao por inversin de $10,000 Alternativa Mercado baja (%) Mercado moderado (%) Mercado sube Servicios +5 +7 +8 Crecimiento -10 +5 +30 global +2 +7 +20 a) Represente el problema con un rbol de decisin b) Cul fondo de ahorro deber seleccionar?

Ejercicio # 2 Escribir el dual del siguiente problema y determinar su solucin ptima usando la base primal optima. Minimizar z = 3x + 5y Sujeto a: x1 + 2 x2 + x3 =5 - x 1 + 3 x2 + x4 = 2

55

x1, x2, x3, x4 0

Ejercicio # 3 La siguiente tabla de resultados muestra las ganancias para un problema de anlisis de decisiones con dos alternativas y tres estado de la naturaleza. Alternativa decisin d1 d1 Estado de la naturaleza de S1 S2 S1 250 100 100 100 25 75

a) Construya un rbol de decisin para este problema. b) Si el tomador de cisiones no sabe nada sobre las probabilidades de los tres estados de la naturaleza, Cul es la decisin recomendada usando los enfoques optimista, conservador y de arrepentimiento mnimax?

Ejercicio # 4 La decisin de Sowthland Corporation de producir una lnea nueva de productos recreativos a dado como resultado a la necesidad de construir ya sea una planta pequea o una grande. La mejor seleccin del tamao de al planta depende de cmo reaccione el mercado a la nueva lnea de produccin. Para realizar un anlisis, la gerencia de mercadotecnia ha decidido calificar la posible demanda a largo plazo como baja, media o alta. La siguiente tabla de resultados muestra la ganancia proyectada en millones de dlares. Demanda a largo plazo Tamao de la planta baja media Alta pequea 150 200 200 Grande 50 200 500 a) Cual es la decisin que se ve a tomar y cual es el evento fortuito para el problema de Sowthland? b) Construya un rbol de decisin. c) Recomiende una decisin basada en el uso de los enfoques optimista, conservador y de arrepentimiento minimax.

Ejercicio # 5

56

La tabla de resultados siguiente muestra la ganancia para un problema de decisin con dos estados de la naturaleza y dos alternativas de decisin. Alternativa decisin d1 d2 Estado de la naturaleza de S1 S2 10 4 1 3

a) Use una anlisis de sensibilidad grafico para determinar le rango de probabilidades del estado de la naturaleza S1. b) Suponga que P (s1) = 0.2 y P (s2) = 0.8. Cul es la mejor decisin usando el enfoque del valor esperado?

UNIDAD IV: 57

CADENAS DE MARKOV
4.1 INTRODUCCIN.
En los problemas de toma de decisiones, con frecuencia surge la necesidad de tomar decisiones basadas en fenmenos que tienen incertidumbre asociada a ellos. Esta incertidumbre proviene de la variacin inherente a las fuentes de esa variacin que eluden el control o proviene de la inconsistencia de los fenmenos naturales. En lugar de manejar esta variabilidad como cualitativa puede incorporarse al modelo matemtico y manejarse en forma cuantitativa. Por lo general este tratamiento se puede lograr si el fenmeno natural muestra un cierto grado de regularidad de manera que sea posible describir la variacin mediante un modelo probabilstico. Este captulo presenta modelos de probabilidad para procesos que evolucionan en el tiempo de una manera probabilstica. Tales procesos se llaman procesos estocsticos. El capitulo est dedicado a un tipo especial llamado cadena de Markov. Las cadenas de Markov tienen la propiedad particular de que las probabilidades que describen la forma en que el proceso evolucionar en el futuro dependen slo del estado actual en que se encuentra el proceso y, por tanto son independientes de los eventos ocurridos en el pasado. Muchos procesos se ajustan a esta descripcin por lo que las cadenas de Markov constituyen una clase de modelos probabilisticos de gran importancia.

4.2 FORMULACIN DE LAS CADENAS DE MARKOV.


Una cadena de Markov es una serie de eventos, en la cual la probabilidad de que ocurra un evento depende del evento inmediato anterior. En efecto, las cadenas de este tipo tienen memoria. "Recuerdan" el ltimo evento y esto condiciona las posibilidades de los eventos futuros. Esta dependencia del evento anterior distingue a las cadenas de Markov de las series de eventos independientes, como tirar una moneda al aire o un dado. En la figura se muestra el proceso para formular una cadena de Markov; el generador de Markov produce uno de n eventos posibles. E j. donde j = 1, 2, . . . , n, a intervalos discretos de tiempo (que no tiene que ser iguales ). Las probabilidades de ocurrencia para cada uno de estos eventos dependen del estado del generador. Este estado se describe por el ltimo evento generado. En la figura 4.1.1, el ltimo evento generado fue Ej. de manera que el generador se encuentra en el estado Mj .

58

La probabilidad de que Ek sea el siguiente evento generado es una probabilidad condicional: P ( Ek / Mj ). Esto se llama probabilidad de transicin del estado Mj al estado Ek. Para describir completamente una cadena de Markov es necesario saber el estado actual y todas las probabilidades de transicin. Probabilidades de transicin. Una forma de describir una cadena de Markov es con un diagrama estados, como el que se muestra en la figura de abajo. En sta se ilustra sistema de Markov con cuatro estados posibles : M1, M2 , M3 y M4 . probabilidad condicional o de transicin de moverse de un estado a otro indica en el diagrama: de un La se

Otro mtodo para exhibir las probabilidades de transicin es usar una matriz de transicin. . La matriz de transicin para el ejemplo del diagrama de estados se muestra en la tabla siguiente .

59

Otro mtodo para exhibir las probabilidades de transicin es usar una matriz de transicin. . Para n = 0, 1, 2, ....

El superndice n no se escribe cuando n = 1.

4.3 PROCESOS ESTOCSTICOS.


Un proceso estocstico se define sencillamente como una coleccin indexada de variables aleatorias { X1 }, donde el subndice t toma valores de un conjunto T dado. Con frecuencia T se toma como el conjunto de enteros no negativos y X, representa una caracterstica de inters medible en el tiempo t. Por ejemplo, el proceso estocstico, X1 , X2 , X3, .., Puede representar la coleccin de niveles de inventario semanales (o mensuales) de un producto dado, o puede representar la coleccin de demandas semanales (o mensuales) de este producto. Un estudio del comportamiento de un sistema de operacin durante algn periodo suele llevar al anlisis de un proceso estocstico con la siguiente estructura. En puntos especficos del tiempo t , el sistema se encuentra exactamente en una de un nmero finito de estados mutuamente excluyentes y exhaustivos, etiquetados 0, 1, . . , S. Los periodos en el tiempo pueden encontrarse a intervalos iguales o su esparcimiento puede depender del comportamiento general del sistema en el que se encuentra sumergido el proceso estocstico. Aunque los estados pueden constituir una caracterizacin tanto cualitativa como cuantitativa del sistema, no hay prdida de generalidad con las etiquetas numricas 0, 1, . . , M , que se usarn en adelante para denotar los estados posibles del sistema. As la representacin matemtica del sistema fsico es la de un proceso estocstico {Xi}, en donde las variables aleatorias se observan en t = 0, 1, 2,. . ., y en donde cada variable aleatoria puede tomar el valor de cualquiera de los M + 1 enteros 0, 1, .. , M . Estos enteros son una caracterizacin de los M + 1 estados del proceso.

4.4 PROPIEDAD MARKOVIANA DE PRIMER ORDEN.


Un proceso markoviano de orden 1 es un proceso estocstico de orden 1 en el cual su pasado no tiene ninguna influencia en el futuro si su presente est especificado.

60

Cuando una probabilidad condicional depende nicamente del suceso inmediatamente anterior, cumple con el Principio de Markov de Primer Orden, es decir:
P ( X (t + ) = j X (0) =K 0 , X (1) =K 1 ,....., 1 X (t ) =i ) =P ( X (t + ) = j X (t ) =i ) = p ij 1

Definiciones en los procesos de Markov de primer orden: Estados: Las condiciones en las cuales se encuentra un ente sucesos posibles. Ensayos: Las ocurrencias repetidas de un evento que se estudia. Probabilidad de Transicin: La probabilidad de pasar de un estado actual al siguiente en un perodo tiempo, y se denota por pij (la probabilidad de pasar del estado i al estado j en una transicin perodo) Caractersticas de los procesos de Markov de primer orden: Se pueden usar como modelo de un proceso fsico econmico que tenga las siguientes propiedades: a) Que la probabilidad cumpla con el principio de Markov. b) Existencia de un nmero finito de estados. c) Las pij son constante con respecto al tiempo perodo. d) Ensayos en perodos iguales. Si un suceso depende de otro adems del inmediatamente anterior, este es un proceso de Markov de mayor orden. Por ejemplo, un proceso de segundo orden describe un proceso en el cual el suceso depende de los dos sucesos anteriores.

4.5 PROBABILIDADES DE TRANSICIN ESTACIONARIAS DE UN SOLO PASO.


Una tienda de cmaras tiene en almacn un modelo especial de cmara que se puede ordenar cada semana. Sean d1, d2, ... las demandas de esta cmara durante la primera, segunda, ... , semana, respectivamente. Se supone que las Di son variables aleatorias independientes e idnticamente distribuidas que tienen una distribucin de probabilidad conocida. Sea X0 el nmero de cmaras que se tiene en el momento de iniciar el proceso, X 1 el nmero de cmaras que se tienen al final de la semana uno, X2 el nmero de cmaras al final de la semana dos, etc. Suponga que X0 = 3 . El sbado en la noche la

61

tienda hace un pedido que le entregan el lunes en el momento de abrir la tienda. La tienda hace un pedido que le entregan el lunes en el momento de abrir la tienda. La tienda usa la siguiente poltica ( s, S)1 para ordenar : si el nmero de cmaras en inventario al final de la semana es menor que s =1 (no hay cmaras en la tienda), ordenar (hasta) S=3. De otra manera, no coloca la orden (si se cuenta con una o ms cmaras en el almacn, no se hace el pedido). Se supone que las ventas se pierden cuando la demanda excede el inventario. Entonces, {X1} para t = 0, 1, .. es un proceso estocstico de la forma que se acaba de describir. Los estados posibles del proceso son los enteros 0, 1, 2, 3 que representan el nmero posible de cmaras en inventario al final de la semana. Observe que {Xi}, en donde Xi es el nmero de cmaras en el almacn al final de la semana t ( antes de recibir el pedido }), es una cadena de Markov. Se ver ahora cmo obtener las probabilidades de transicin (de un paso), es decir, los elementos de la matriz de transicin ( de un paso).

Suponiendo parmetro . Para obtener Entonces durante As, aleatoria y Si durante esto, encontrar si .

que

cada

Dt

tiene

una

distribucin

Poisson

con

es necesario evaluar . Por lo tanto, fue de tres parmetro se puede debe

. Si

la

semana con

significa que la demanda o ms cmaras.

Poisson

, la probabilidad de que una variable tome el valor de 3 o ms; obtener de una manera parecida.

, entonces la semana

. Para obtener ser 1 o .

, la demanda ms. Por Para

observe

que

En consecuencia, si , entonces la demanda durante la semana tiene que ser exactamente 1. por ende, . Los elementos restantes se obtienen en forma similar, lo que lleva a la siguiente a la siguiente matriz de transicin ( de un paso):

62

4.6 PROBABILIDADES DE TRANSICIN ESTACIONARIAS DE N PASOS.


Las ecuaciones de Chapman-Kolmogorov proporcionan un mtodo para calcular estas probabilidades de transicin de n pasos :

Estas ecuaciones simplemente sealan que al ir de un estado i al estado j en n pasos, el proceso estar en algn estado k despus de exactamente m (menor que n) pasos. As, Es solo la probabilidad condicional de que, si se comienza en el estado i, el proceso vaya al estado k despus de m pasos y despus al estado j en n- m pasos.

Los casos especiales de m=1 y m=n-1 conducen a las expresiones Para toda i, j, y n de lo cual resulta que las probabilidades de transicin de n pasos se pueden obtener a partir de las probabilidades de transicin de un paso de manera recursiva. Para n=2, estas expresiones se vuelven :

Note que las

son los elementos de la matriz P (2) , pero tambin debe

de observarse que estos elementos, se obtienen multiplicando la matriz de transicin de un paso por s misma; esto es , P(2) = P * P = P2 . 63

En trminos ms generales, se concluye que la matriz de probabilidades de transicin de n pasos se puede obtener de la expresin: P(n) = P * P .... P = Pn = PPn-1 = Pn-1 P. Entonces, la matriz de probabilidades de transicin de n pasos se puede obtener calculando la n-sima potencia de la matriz de transicin de un paso. Para valores no muy grandes de n, la matriz de transicin de n pasos se puede calcular en la forma que se acaba de describir, pero cuando n es grande, tales clculos resultan tediosos y, ms an, los errores de redondeo pueden causar inexactitudes.

4.7 ESTADOS ABSORBENTES.


Se dice que un estado i es absorbente si la probabilidad de transicin (de un paso) pij es igual a 1. Una cadena de Markov es Absorbente si: a) Tiene por lo menos un estado Absorbente. b) Es posible ir de cada estado no absorbente hasta por lo menos un estado absorbente. No es necesario efectuar esta transicin en un paso; ni es necesario tener la posibilidad de alcanzar cada estado absorbente a partir de cualquier estado no absorbente. A partir del anlisis de estas cadenas, es posible determinar los siguientes datos: 1) El nmero esperado de pasos antes de que el proceso sea absorbido. 2) El nmero esperado de veces que el proceso est en cualquier estado dado no absorbente. 3) La probabilidad de absorcin por cualquier estado absorbente dado. Una vez que la cadena llega al estado k permanece ah para siempre. Si k es un estado absorbente y el proceso comienza en el estado i, la probabilidad de llegar en algn momento a k se llama probabilidad de absorcin al estado k dado que el sistema comenz en i. Esta probabilidad se denota por fik. Si se tienen dos o ms estados absorbentes en una cadena de Markov y es evidente que el proceso ser absorbido en uno de estos estados, es deseable encontrar estas probabilidades de absorcin. Dichas probabilidades pueden obtenerse con slo resolver un sistema de ecuaciones lineales. Si el estado k es un estado absorbente, entonces el conjunto de probabilidades de absorcin fik satisface el sistema de ecuaciones

64

sujeta a las condiciones

Las probabilidades de absorcin son importantes en las caminatas aleatorias. Una caminata aleatoria es una cadena de Markov con la propiedad de que, si el sistema se encuentra en el estado i, entonces en una sola transicin, o bien permanecer en i o se mover a uno de los estados inmediatamente adyacentes a i. Por ejemplo, la caminata aleatoria con frecuencia se usa como a modelo para situaciones que incluyen juegos de azar.

4.8 PROBABILIDADES DE TRANSICIN ESTACIONARIAS DE ESTADOS ESTABLES. TIEMPOS DE PRIMER PASO.


Sea P la matriz de transicin de una cadena de M estados. Existe entonces un vector tal que:

Se establece que para cualquier estado inicial i ,

El vector a menudo se llama distribucin de estado estable, o tambin distribucin de equilibrio para la cadena de Markov. Para encontrar la distribucin de probabilidades de estacionario para una cadena dada cuya matriz de transicin es P, segn el teorema, para n grande y para toda i , (1).

Como Pij (n + 1) = ( rengln i de Pn )(columna j de P), podemos escribir (2)

65

EJERCICIOS RESUELTOS Ejercicio #1 Los administradores de la empresa New Fangled Sofdrink Company consideran que la probabilidad de que un cliente compre la bebida Red Rot Pop, o el principal producto de competencia, Sper Cola, se basan en la compra ms reciente del cliente. Supngase que son apropiadas las siguientes probabilidades de transicin: Red Rot Pop Sper Cola Red Rot Pop Super Cola 0.9 0.1 0.1 0.9

a) Trace el diagrama de rbol de dos periodos para un cliente que compro la ultima vez Red Rot Pop. Cul es la probabilidad de que este cliente compre Red Rot Pop en una segunda compra? b) Cul es la participacin de mercado a largo plazo para cada uno de estos dos productos? c) Se esta planeando una importante campaa de publicidad para aumentar la probabilidad de atraer a los clientes de Sper Cola. Los administradores consideran que la nueva compaa aumentara a 0.15 la probabilidad de que un cliente cambie de Sper Cola a Red Rot Pop. Cul es el efecto proyectado de la campaa de publicidad sobre las participaciones del mercado? a) Primera Segunda compra compra Red Rot Pop
0.9 = 0.81

0.9 0.1 1
Red Rot Pop

0.1 Red Rot Pop 0.1 0.9

Sper Cola = 0.09 Red Rot Pop = 0.01

Sper Cola = 0.09 Red Rot Pop = 0 Sper Cola = 0 Red Rot Pop = 0

Sper Cola 0.9

0.1 0
Sper Cola 0.9

0.1 Red Rot Pop 0.1 0.9

Sper Cola

Sper Cola = 0

[0.82, 0.18]

66

La probabilidad de que un cliente compre dos veces consecutivas la marca de refresco Red Rod Pop es de 0.82. b) =

0.9 x + 0.1 y = x 0.1 x + 0.9 y = y -0.1 x + 0.1y = 0 0.1x 0.1y = 0 x+ y= 1 x=1y

0.1(1 y) 0.1y = 0 0.1 0.1y 0.1y = 0 0.1 0.2y = 0 - 0.2y = -0.1 y = -0.1/-0.2 y = 0.5

x=1y x = 1 0.5 x = 0.5

La participacin en el mercado a largo plazo de ambas marcas es de 0.5 para cada una de ellas. c) = 0.9x + 0.15y = x 0.1x + 0.85y = y x+y=1 -0.1x + 0.15y = 0 0.1x 0.15y = 0 x+ y=1 x=1y 0.1(1 y) 0.15y = 0 0.1 0.1y 0.15y = 0 0.1 0.25y = 0 -0.25y = -0.1 y = -0.1 / -0.25 y = 0.4 x=1y x = 1 0.4 x = 0.6

Se espera que con la publicidad realizada, el mercado para Red Rot Pop aumente a 0.6, mientras que la fidelidad de la marca Sper Cola caer a 0.40.

Ejercicio #2 El centro de computacin de la Universidad Rockbottom ha estado experimentando periodos considerables de tiempo muerto en sus computadoras. Supngase que se definen los ensayos de un proceso correspondiente de Markov como periodos de una llora y que la probabilidad de que el sistema est en estado de operacin o en estado inactivo se basa en el

67

estado del sistema en el periodo anterior. Los datos histricos muestran las siguientes probabilidades de transicin: A Operante Operante DeInoperante
a.

Inoperante 0.90 0.30

0.10 0.70

Si el sistema est inicialmente operando, cul es la probabilidad de que se caiga el sistema en la siguiente hora de operacin? b. Cules son las probabilidades de estado estable de que el sistema se encuentre en estado operante y en estado inoperante? a) =

La probabilidad de que caiga el sistema es de 0.1. b) = 0.1(1 y) 0.3y = 0 0.1 0.1y 0.3y = 0 0.1 0.4y = 0 -0.4y = -0.1 y = -0.1 / -0.4 y = 0.25 x=1y x = 1 0.25 x = 0.75

0.9x + 0.3y = x 0.1x + 0.7y = y x+y=1 -0.1x + 0.3y = 0 0.1x 0.3y = 0 x = 1- y

Ejercicio #3 Se pueden expresar como procesos de Markov los patrones de compra de dos marcas de dentfrico, con las siguientes probabilidades de transicin: Especial B MDA Especial B 0.90 0.10 MDA 0.05 0.95
a. Qu marca parece tener la mayor cantidad de clientes leales? Explique.

68

b. Cules son las participaciones de mercado que se proyectan para las

dos marcas? La marca que tiene la mayor cantidad de clientes leales es MDA. b) =

0.9x + 0.05y = x 0.1x + 0.95y = y x+y=1 -0.1x + 0.05y = 0 0.1x - 0.05y = 0 x=1y

0.1(1 y) 0.05y = 0 0.1 0.1y 0.05y = 0 0.1 0.15y = 0 -0.15y = -1 y = -0.1 / -0.15 y = 2/3

x = 1- y x = 1 2/3 x = 1/3

Especial B tendr una participacin esperada en el mercado a largo plazo de 1/3, mientras que la participacin de MDA ser de 2/3.

Ejercicio #4 Supngase que en el problema anterior entra en el mercado una nueva marca de crema dental, de manera que se tienen las siguientes probabilidades de transicin: Especial B MDA T-Blanca Especial B 0.80 0.05 0.40 MDA 0.10 0.75 0.30 T-Blanca 0.10 0.20 0.30

Cules son las nuevas participaciones de mercado a largo plazo? Q u marca sufre ms por la inclusin de la nueva marca de crema dental? Obsrvese que determinar las probabilidades de estado constante para este problema requiere de la solucin de tres ecuaciones y tres incgnitas.

69

0.8x + 0.05y + 0.4z = x 0.1x + 0.75y + 0.3z = y 0.1x + 0.20y + 0.3z = z x+ y+ z=1 -0.2x + 0.05y + 0.4z = 0 0.1x 0.25y + 0.3z = 0 0.1x + 0.20y 0.7z = 0 x+ y+ z=1 -0.2 0.05 0.4 0 0.1 -0.25 0.3 0 0.1 0.2 -0.7 0 1 1 1 1 R1 = R1 / -0.2 1 -0.25 -2 0 0.1 -0.25 0.3 0 0.1 0.2 -0.7 0 1 1 1 1 R2 = -0.1R1 + R2 R3 = -0.1R1 + R3 R4 = -R1 + R4 1 -0.25 -2 0 0 -0.225 0.5 0 0 0.225 -0.5 0 0 1.25 3 1 R3 = R3 + R2 R4 = 1.25R2 + 0.225R3

1 -0.25 -2 0 0 -0.225 0.5 0 0 0 0 0 0 0 1.3 0.225 1.3z = 0.225 z = 0.225 / 1.3 z = 0.1731 -0.225y + 0.5z = 0 -0.225y + 0.5(0.1731) =0 -0.225y + 0.08655 = 0 -0.225y = - 0.08655 y = -0.08655 / -0.225 y = 0.3846 x+y+z=1 x=1yz x = 1 0.3846 0.1731 x = 0.4423 Participaciones de mercado a largo plazo de las diversas marcas: Especial B = 0.4423 MDA = 0.3846 T Blanca = 0.1731 La marca que se vera mas afectada negativamente por la introduccin de T Blanca al mercado a largo plazo es MDA.

Ejercicio #5 La empresa KLM Christmas Tree Farm es propietaria de un vivero con 5000 rboles de hoja perenne. Cada ao, KLM permite a los vendedores de rboles de Navidad al menudeo que seleccionen y corten rboles para vender a clientes individuales. La KLM protege los rboles pequeos (usualmente de menos de 4 pies de altura) de manera que se les permite crecer y estar disponibles para su venta en aos futuros. En la actualidad, 1500 rboles se clasifican como rboles protegidos, mientras que los 3500 restantes estn disponibles para su corte. Sin embargo, aun cuando exista un rbol disponible para corte en un ao determinado, es posible que no se le seleccione para corte sino hasta unos aos despus. Aunque la mayora de los rboles que no

70

se cortan en un ao determinado siguen de pie hasta el ao siguiente, algunos rboles mueren durante ese ao y se les pierde. Al considerar la operacin de rboles navideos de la KLM como un proceso de Markov con periodos anuales, se definen los cuatro siguientes estados: Estado 1 Cortado y vendido Estado 2 Perdido por enfermedad Estado 3 Demasiado pequeo para corte Estado 4 Disponible para corte pero no cortado y vendido La siguiente matriz de transicin resulta apropiada:

P=

Cuntos de los 5000 rboles del vivero se vendern en algn momento dado, y cuntos se perder

P=

71

N= R1 = R1/ 0.25 R2 = R2 /0.5 IQ= IQ= N= N=

N= NR = N= R1 = 0.5R1 + 0.2R2 BNR = BNR = BNR = Cantidad de rboles cortados y vendidos: 3580 rboles Cantidad de rboles perdidos: 1420 rboles

EJERCICIOS PROPUESTOS Ejercicio #1 Se determin que una de las causas del problema del tiempo muerto de una maquinaria era una pieza especfica de los aparatos de cmputo. Los administradores consideran que cambiando a un componente distinto de maquinaria se obtendra la siguiente matriz de probabilidades de transicin: Operante inoperante operante Inoperante 0.95 0.05 0.60 0.40

a. Cules son las probabilidades de estado estable de que el sistema se

encuentre en los estados de operacin e inactivo?

b. Si se estima que el costo de que el sistema est descompuesto en

cualquier periodo es de $500 (incluyendo las utilidades que se pierden por el tiempo muerto y el mantenimiento), cul es el costo de equilibrio para el nuevo componente de la maquinaria, con base en los periodos? Ejercicio #2 En el anlisis de participacin de mercado, considrese que est, evaluando los procesos de Markov correspondientes a las visitas de compras de un cliente pero que no se sabe en donde compr en la ltima semana. Por ello, se podra suponer que existe una probabilidad de 0.5 de que un cliente haya comprado en Murphys y una probabilidad de 0.5 de que el cliente haya comprado en Ashleys en el periodo 0; es decir, 1(0) = 0.5 y 2,(0) = 0.5. Dadas estas probabilidades de estado iniciales, elabore una tabla, que muestre la probabilidad de cada estado en periodos futuros. Qu se observa respecto a las probabilidades a largo plazo de cada estado?

Ejercicio #3 Dada la siguiente matriz de transicin, con los estados 1 y 2 como estados absorbentes, cul es la probabilidad de que las unidades de los estados 3 y 4 terminen en cada uno de los estados absorbentes?

P=

Ejercicio #4 Supngase que es apropiada la siguiente matriz de transicin:

P=

Si Heidman's tiene $4,000 en la categora de antigedad de 0 a 30 das, y $5,000 en la categora de antigedad de 31 a 90 das, cul es su estimacin del monto de incobrables que la compaa experimentar?

Ejercicio #5 Un problema importante en el rea principal de Cincinnati implica el trfico automovilstico que intenta cruzar el ro Ohio, proviniendo de Cincinnati, y en direccin a Kentucky, utilizando la Carretera Interestatal I-75. Suponga que es 0.85 la probabilidad de que no haya demoras por el trfico en un periodo, dado que no hubo demoras de tal clase en el periodo anterior, que es 0.75 la probabilidad de encontrar una demora debido al trfico de un periodo, dado que hubo demoras en el periodo anterior. El trfico se clasifica como estados en los que se tiene demora o no, y se considera que el periodo es de 30 min. a. Suponiendo que es un automovilista que ingresa al sistema vial o de trnsito y recibe un reporte de radio de que hay demoras en el trfico, cul es la probabilidad de que, para los siguientes 60 min. (2 periodos) el sistema se encuentre en el estado de demoras? Obsrvese que tal es la probabilidad de que se encuentre en el estado de demora para 2 periodos consecutivos. a. Cul es la probabilidad de que el trnsito se encuentre a largo plazo en el estado de carencia de demoras? b. Una suposicin importante de los modelos de procesos de Markov que se presentaron en este captulo han sido las probabilidades de transicin constantes o estacionarias durante la operacin del sistema en el futuro. Considera que este supuesto es apropiado en el problema anterior sobre el trfico? Explique.

UNIDAD V:

OPTIMIZACIN DE REDES
5.1 TERMINOLOGA
Se ha desarrollado una terminologa relativamente extensa para describir los tipos de redes y sus componentes. Una red consiste en un conjunto de puntos y un conjunto de lneas que unen ciertos pares de puntos. Los puntos se llaman nodos (o vrtices). Las lneas se llaman arcos (o ligaduras, aristas o ramas). Los arcos se etiquetan dando nombre a los nodos en sus puntos terminales; por ejemplo, AB sera el arco entre los nodos A y B. Los arcos de una red pueden tener un flujo de algn tipo que pasa por ellos; si el flujo a travs de un arco se permite slo en una direccin (como en una calle de un sentido), se dice que el arco es un arco dirigido. La direccin se indica agregando una cabeza de flecha al final de la lnea que representa el arco. Al etiquetar un arco dirigido con el nombre de los nodos que une, siempre se pone primero el nodo de donde viene, despus el nodo a donde va, esto es, un arco dirigido del nodo A al nodo B debe etiquetarse como AB y no como BA. Otra manera de etiquetarlo es A > B. Si el flujo a travs de un arco se permite en ambas direcciones (como una tubera que se puede usar para bombear fluido en ambas direcciones), se dice que el arco es un arco no dirigido. Para ayudar a distinguir entre los dos tipos de arcos, con frecuencia se har referencia a los arcos no dirigidos con el sugestivo nombre de ligadura. Aunque se permita que el flujo a travs de un arco no dirigido ocurra en cualquier direccin. Se supone que ese flujo ser en una direccin, en la seleccionada, y no se tendrn flujos simultneos en direcciones opuestas. Sin embargo, en el proceso de toma decisiones sobre el flujo en un arco no dirigido, se permite hacer una secuencia de asignaciones de flujos en direcciones opuestas, pero en el entendimiento de que el flujo real ser el flujo neto (la diferencia de los flujos asignados en las dos direcciones). Por ejemplo, si se asigna un flujo de 10 en una direccin y despus un flujo de 4 en la direccin opuesta, el efecto real es la cancelacin de 4 unidades de la asignacin original, lo que reduce el flujo en la direccin original de 10 a 6. Aun para un arco dirigido, en ocasiones se usa la misma tcnica como una manera conveniente de reducir un flujo previamente asignado. En particular, se puede hacer una asignacin ficticia de flujo en la direccin "equivocada" a travs de un arco dirigido para registrar una direccin en esa cantidad en el flujo que va en la direccin "correcta". Una red que tiene slo arcos dirigidos se llama red dirigida. De igual manera, si todos sus arcos son no dirigidos, se dice que se trata de una red no dirigida. Una red con una mezcla de arcos dirigidos y no dirigidos (o incluso una con todos sus arcos no dirigidos) se puede convertir en una red dirigida, si se desea, sustituyendo cada arco no dirigido por un par de arcos dirigidos en

direcciones opuestas. (Despus se puede optar por interpretar los flujos a travs de cada par de arcos dirigidos como flujos simultneos en direcciones opuestas o de proporcionar un flujo neto en una direccin, segn se ajuste al caso.) Cuando dos nodos no estn unidos por un arco surge la pregunta natural de si estn conectados por una serie de arcos. Una trayectoria entre dos nodos es una sucesin de arcos distintos fue conectan estos nodos. Por ejemplo, una de las trayectorias que conectan a los nodos O y T en la siguiente figura, es la sucesin de arcos OB-BD-DT (O B D T), y viceversa.

Cuando algunos o todos los arcos de una red son arcos dirigidos, se hace la distincin entre trayectorias dirigidas y trayectorias no dirigidas. Una trayectoria dirigida del nodo i al nodo j es una sucesin de arcos cuya direccin (si la tienen) es hacia el nodo j, de manera que el flujo del nodo i al nodo j a travs de esta trayectoria es factible. Una trayectoria no dirigida del nodo i al nodo j es una sucesin de arcos cuya direccin (si la tienen) puede ser hacia o desde el nodo j. (Observe que una trayectoria dirigida tambin satisface la definicin de trayectoria no dirigida, pero el inverso no se cumple.) Con frecuencia una trayectoria no dirigida tendr algunos arcos dirigidos hacia el nodo j y otros desde l (es decir, hacia el nodo i); las trayectorias no dirigidas juegan un papel muy importante en el anlisis de las redes dirigidas. Un ciclo es una trayectoria que comienza y termina en el mismo nodo. En una red dirigida un ciclo puede ser dirigido o no dirigido, segn si la trayectoria en cuestin es dirigida o no dirigida. (Como una trayectoria dirigida tambin es no dirigida, un ciclo dirigido es un ciclo no dirigido, pero en general el inverso no es cierto.) Se dice que dos nodos estn conectados si la red contiene al menos una trayectoria no dirigida entre ellos. (Observe que no es necesario que la trayectoria sea dirigida aun cuando la red es dirigida.) Una red conexa es una red en la que cada par de nodos est conectado.

5.2 PROBLEMA DE LA RUTA MS CORTA. REDES CCLICAS Y ACCLICAS.


Considere una red conexa y no dirigida con dos nodos especiales llamados origen y destino. A cada ligadura (arco no dirigido) se asocia una distancia no negativa. El objetivo es encontrar la ruta ms corta (la trayectoria con la mnima distancia total) del origen al destino. Se dispone de un algoritmo bastante sencillo para este problema. La esencia del procedimiento es que analiza toda la red a partir del origen; identifica de manera sucesiva la ruta ms corta a cada uno de los nodos en orden ascendente de sus distancias (ms cortas), desde el origen; el problema queda resuelto en el momento de llegar al nodo destino. Los nodos pueden representar ciudades, fbricas, plantas, entre otros; los arcos o flechas representan las distancias que hay entre las carreteras o caminos que enlazan a los elementos antes mencionados. En esta seccin se representan los algoritmos para resolver redes cclicas (es decir que continen bucles o lazos) como acclicas. 1.- Algoritmo de Dijkstra 2.- Algoritmo Floyd Algoritmo de Dijkstra El algoritmo de Dijkstra tienen por objeto determinar las rutas mas cortas entre lo nodo fuente y los dems nodos de la red. El algoritmo de Floyd es general, porque permite determinar la ruta mas corta entre dos nodos cualesquiera en la red. Algoritmo de Dijkstra. Sea ui la distancia mas corta entre el nodo 1 hasta el nodo i, y se define dij( 0 ) como la longitud del arco (i,j). Entonces el algoritmo define la etiqueta de un nodo inmediato posterior j como [uj,i] = [ui + dij,i], dij 0 La etiqueta del nodo de inicio es [0, - ], que indica que el nodo no tiene predecesor. Las etiquetas de nodos en el algoritmo de Dijkstra son de dos clases: temporales y permanentes. Una etiqueta temporal se modifica si se encuentra una ruta mas corta a un nodo. Cuando no se ve que se puede encontrar rutas mejores, cambia la etiqueta de un estado temporal a permanente. Paso 0. Etiquetar el nodo fuente (nodo 1) con la etiqueta permanente [ 0, - ]. Igualar i = 1.

Paso i. a) Calcular las etiquetas temporales [ui + dij,i] para cada nodo j al cual pueda llegarse desde el nodo i, siempre y cuando j no tenga tarjeta permanente, si el nodo j ya esta etiquetado con [uj,k] por otro nodo k, y si ui + dij < uj, sustituir [uj,k] por [uj + dij, i]. b) Si todos los nodos tienen etiquetas permanentes, detenerse. En caso contrario, seleccionar la etiqueta [ur, s] que tenga la distancia mas corta (=ur) entre todas las etiquetas temporales (los empates se rompen en forma arbitraria. Hacer que i = r y repetir el paso i. Algoritmo de Floyd. El algoritmo de Floyd es ms general que el de Dijkstra, porque determina la ruta mas corta entre dos nodos cualesquiera de la red. El algoritmo representa una red de n nodos como matriz cuadrada con n renglones y n columna. El elemento (i,j) de la matriz expresa la distancia dij del nodo i al nodo j, que es finita si i esta conectado directamente con j, e infinitamente en caso contrario.

Figura. Operacin triple de Floyd

El concepto de Floyd es directo. Dados tres nodos i,j y k, con las distancias entre si indicadas en los tres arcos, es mas corto ir a k desde i pasando por j si dij + djk < dik En este caso, lo ptimo es reemplazar la ruta directa de i k por la ruta indirecta i j k. Este intercambio de operacin triple se aplica en forma sistemtica a la red, con los siguientes pasos: Paso 0. Definir las matrices iniciales de distancias D0 y de secuencias de nodos S0 como se describe abajo. Los elementos diagonales se marcan con (-) para indicar que estn bloqueados. Igualar k = i.

Paso general k. Definir el rengln k y la columna k como rengln pivote y columna pivote. Aplicar la operacin triple a cada elemento dij en Dk-1 para toda i y j. si se satisface la condicin: dik + dkj < dij, (ik, jk e ij) hacer los siguientes cambios: a) Crear Dk reemplazando dij en Dk-1 por dik + dkj b) Crear Sk reemplazando sij en Sk-1 por k. Igualar k = k+1 y repetir el paso k.

5.3 PROBLEMA DEL RBOL DE MNIMA EXPANSIN.


El problema del rbol de expansin mnima tiene algunas similitudes con la versin principal del problema de la ruta ms corta. En ambos casos se considera una red no dirigida y conexa, en la que la informacin dada incluye alguna medida de longitud positiva (distancia, costo, tiempo, etc.) asociada con cada ligadura. Los dos problemas involucran tambin el hecho de seleccionar un conjunto ligaduras de ligaduras que tiene la longitud total ms corta entre todos los conjuntos de ligaduras que satisfacen cierta propiedad. Para el problema de la ruta ms corta esta propiedad es que la ligadura seleccionada debe proporcionar una trayectoria entre el origen y el destino. Para el rbol de expansin mnima la propiedad requerida es que las ligaduras seleccionadas deben proporcionar una trayectoria entre cada par de nodos. Una red con n nodos requiere slo (n - 1) ligaduras para proporcionar una trayectoria entre cada par de nodos. No deben usarse ms ligaduras ya que esto aumentara, sin necesidad, la longitud total de las ligaduras seleccionadas. Las (n - 1) ligaduras deben elegirse de tal manera que la red resultante (con slo las ligaduras seleccionadas) forme un rbol de expansin. Por lo tanto, el problema es encontrar el rbol de expansin con la longitud total mnima de sus ligaduras. Este problema tiene muchas aplicaciones prcticas importantes. Por ejemplo, puede ser til en la planeacin de redes de transporte que no se transitarn mucho y en las que la inquietud principal es proporcionar alguna trayectoria entre todos los pares de nodos de la manera ms econmica El problema del rbol de mnima expansin se puede resolver de una forma bastante directa, es ocurre que se trata de uno de los pocos problemas de Investigacin de Operaciones en el que ser codicioso en cada etapa del procedimiento de solucin conduce al final a una solucin ptima! As, con el inicio en cualquier nodo, la primera etapa consiste en elegir la rama ms corta posible a otro nodo, sin preocuparse del efecto de esta eleccin pueda tener en las decisiones posteriores. En la segunda etapa se trata de identificar el nodo no conectado que est ms cerca de cualquiera de los dos que se acaban de conectar y despus agregar la ligadura correspondiente a la red. Este proceso se repite hasta que se hayan conectado todos los nodos. El algoritmo de expansin mnima enlaza los nodos de una red, en forma directa o indirecta, con la mnima longitud de las ramas enlazantes. La aplicacin de este tipo de problemas de optimizacin se ubica, sobre todo, en las redes de comunicacin elctrica, telefona, carretera, martima, etc., donde los nodos representan por a si decirlo las estaciones del ferrocarril. Algoritmo para el problema del rbol de expansin mnima. 1. Se selecciona, de manera arbitraria, cualquier nodo y se conecta (es decir se pone una ligadura) al nodo ms cercano distinto de ste.

2. Se identifica el nodo no conectado ms cercano a un nodo conectado, y se conectan estos dos nodos (es decir, se agrega una ligadura entre ellos). Este paso se repite hasta que se hayan conectado todos los nodos. 3. Empates: los empates para el nodo ms cercano distinto (paso 1) o para el nodo no conectado ms cercano (paso 2), se pueden romper en forma arbitraria y el algoritmo todava debe llevar a una solucin ptima. No obstante, estos empates son seal de que pueden existir (pero no necesariamente) soluciones ptimas mltiples. Todas esas soluciones se pueden identificar si se buscan las dems formas de romper los empates hasta el final. Este algoritmo termina en n- 1 iteraciones.

5.4 PROBLEMA DE FLUJO MXIMO.


En una red en la que los arcos tienen limitada su capacidad, se ha de hacer pasar la mxima cantidad de flujo posible, de un nodo (1) a otro (n), prefijados, a los que se llama, respectivamente, fuente y sumidero. Se utiliza para saber cual es la cantidad mxima de vehculos, peatones, lquidos o llamadas telefnicas que pueden entrar y salir del sistema. Objetivo: Determinar el mximo flujo que se puede enviar desde el nodo fuente al nodo destino, teniendo en cuenta las capacidades k ij sobre el flujo de cada arco (i,j) y que el flujo se debe conservar.
Capacidad mxima de los arcos Capacidad mxima de los es igual a la oferta arcos es igual a la disponibilidad

Capacidad mnima de los arcos es igual a la demanda

Algoritmo de etiquetado para el problema del flujo mximo. El algoritmo avanza en abanico desde el nodo fuente para encontrar todos los nodos que son alcanzables a lo largo de cadenas en la red, cuyos arcos admiten cambio de flujo. En cualquier paso el algoritmo clasifica los nodos en etiquetados y no etiquetados. Los nodos etiquetados son aquellos que el algoritmo ha alcanzado en el proceso y de este modo determina una cadena en la red

desde el nodo fuente a esos nodos (sobre la que puede haber un cambio de flujo). Los nodos no etiquetados son aquellos que el algoritmo todava no ha alcanzado en el proceso. Reiteradamente, el algoritmo elige un nodo etiquetado y explora su lista de arcos adyacentes para alcanzar y etiquetar nuevos nodos. El algoritmo termina cuando ha explorado todos los nodos etiquetados y el nodo sumidero permanece no etiquetado (ya no hay cadena que conecte el nodo fuente (1) al nodo sumidero (n), implicando que ya no puede haber mas aumento de flujo del nodo 1 al nodo n).

PASOS. Primera fase: etiquetas. Este algoritmo es de naturaleza recursiva, considera que un nodo puede estar en uno de los siguientes estados, que son mutuamente excluyentes. a) con etiqueta b) sin etiqueta Al inicio el algoritmo todos los nodos estn sin etiqueta. Si Xij es el flujo que va de Ni a Nj, se define como el flujo ficticio que va de Nj a Ni. Sea gij = uij + Xij, la capacidad del arco no saturada del arco Aij. Al comienzo del algoritmo se asigna la etiqueta [s+, s = ] al nodo fuente. A todos los nodos vecinos de Ns se le asigna la etiqueta [s+, j] donde j = gsj > 0 y Nj son todos los nodos vecinos a Ns. El primer elemento de la etiqueta indica el nodo de donde proviene y el segundo elemento indica la cantidad de flujo que aun puede fluir en el arco. El nodo fuente Ns pasa a ala categora de etiqueta y con registro, mientras que el grupo de nodos vecinos Ns, pasan a la categora de etiqueta pero sin registro. En este caso de que gij = 0, al nodo Nj no se le pone una etiqueta. A todos los nodos vecinos Nk del nodo Nj, que o tengan etiqueta y para los cuales se cumpla la condicin de que 0 Xjk ujk Se le asigna una etiqueta [j+, k], donde
k

= Min [ j, Xij] y gjk = ujk Xjk.

Como todos los nodos vecinos Nk del nodo Nj han sido investigados al nodo Nj pasa al estado de etiqueta con registro. Este proceso se repita hasta alcanzar el nodo destino de la red, es decir N t, etiquetarlo y registrarlo, o hasta q sea imposible etiquetar nodos intermedios de la red. Si el nodo destino de la red, Nt, no puede ser etiquetado, el flujo actual en la red no cambia y por consiguiente es el flujo mximo, es decir, el problema

queda resuelto. En este caso Nt recibe una etiqueta el flujo actual cambiara de acuerdo a lo que se explica a continuacin. Segunda fase: Se inicia desde Nt hacia al nodo inicial. El nuevo flujo se determina mediante la suma de Xjk + t y a si sucesivamente por los todos los nodos de la ruta determinada. Una vez hecho lo anterior se vuelve aindiar el proceso de etiquetado.

5.5 PROBLEMA DE FLUJO DE COSTO MNIMO.


El problema de flujo de costo mnimo tiene una posicin medular entre los problemas de optimizacin de redes; primero, porque abarca una clase muy amplia de aplicaciones y segundo, porque su solucin es en extremo eficiente. Igual que el problema del flujo mximo, toma en cuenta un flujo en una red con capacidades limitadas en sus arcos. Igual que el problema de la ruta ms corta, considera un costo (o distancia) para el flujo a travs de un arco. Igual que el problema de transporte o el de asignacin, puede manejar varios orgenes (nodos fuente) y varios destinos (nodos demandas) para el flujo, de nuevo con costos asociados. De hecho, estos cuatro problemas son casos especiales del problema de flujo de costo mnimo. La razn por la que el problema del flujo de costo mnimo se puede resolver de manera tan eficiente es que se puede formular como un problema de programacin lineal. A continuacin se describe el problema del flujo de costo mnimo: 1. 2. 3. 4. 5. La red es una red dirigida conexa. Al menos uno de los nodos es nodo fuente. Al menos uno de los nodos es nodo demanda. El resto de los nodos son nodos de trasbordo. Se permite el flujo a travs de un arco slo en la direccin indicada por la flecha, donde la cantidad mxima de flujo est dada por la capacidad del arco. (Si el flujo puede ocurrir en ambas direcciones, debe representarse por un par de arcos con direcciones opuestas.) 6. La red tiene suficientes arcos como suficiente capacidad para permitir que todos lo flujos generados por los nodos fuente lleguen a los nodos demanda. 7. El costo del flujo a travs del arco es proporcional a la cantidad de ese flujo, donde se conoce el costo por unidad. 8. El objetivo es minimizar el costo total de enviar el suministro disponible a travs de la red para satisfacer la demanda dada. (Un objetivo alternativo es maximizar la ganancia total del envo.)

Aplicaciones del problema del flujo de costo mnimo El tipo ms importante de aplicacin del problema del flujo de costo mnimo es en la operacin de la red de distribucin de una compaa. En la siguiente tabla se muestran algunos tipos de aplicaciones comunes del problema de del flujo de costo mnimo:

Tipo de Aplicacin

Nodos Fuentes

Nodos Trasbordo

de Nodos Demanda Consumidores

de

Operacin de una red Fuentes de bienes Almacenes de distribucin intermedios Administracin de Fuente de Instalaciones desechos slidos desechos slidos procesamiento Operacin de una red Agentes de ventas Almacenes de suministros intermedios Coordinacin de plantas mezcla de productos en plantas Administracin flujo de efectivo de Fuentes efectivo tiempos especficos

de Rellenos

Instalaciones de procesamiento del

Produccin de u Mercado artculo especfico producto especfico de Opciones de Necesidades en inversin a corto efectivo plazo tiempos especficos

de en

Casos especiales. EL PROBLEMA DE TRANSPORTE. Un problema de transporte es un caso particular de problema de programacin lineal en el cual se debe minimizar el costo del abastecimiento a una serie de puntos de demanda a partir de un grupo de puntos de oferta (posiblemente de distinto nmero), teniendo en cuenta los distintos precios de envo de cada punto de oferta a cada punto de demanda. Un problema de transporte queda definido por la siguiente informacin: 1. Un conjunto de m puntos de oferta. Cada punto de oferta i tiene asociado una oferta si. 2. Un conjunto de n puntos de demanda. Cada punto de demanda j tiene asociada una demanda dj.

3. Cada unidad enviada desde un punto de oferta i a un punto de demanda j tiene un costo unitario de transporte c EL PROBLEMA DE ASIGNACIN Los problemas de asignacin presentan una estructura similar a los de transporte, pero con dos diferencias: asocian igual nmero de orgenes con igual nmero de demandas y las ofertas en cada origen es de valor uno, como lo es la demanda en cada destino. El problema de asignacin debe su nombre a la aplicacin particular de asignar hombres a trabajos ( o trabajos a mquinas), con la condicin de que cada hombre puede ser asignado a un trabajo y que cada trabajo tendr asignada una persona. La condicin necesaria y suficiente para que este tipo de problemas tenga solucin, es que se encuentre balanceado, es decir, que los recursos totales sean iguales a las demandas totales. El modelo de asignacin tiene sus principales aplicaciones en: Trabajadores, Oficinas al personal, Vehculos a rutas, Mquinas, Vendedores a regiones, productos a fabricar, etc.

EL PROBLEMA DE TRASBORDO. Este caso especial en realidad incluye todas las caractersticas generales del problema del flujo de costo mnimo, excepto por no tener capacidades finitas en los arcos. Entonces, cualquier flujo de costo mnimo en el que cada arco pueda llevar cualquier cantidad de flujo deseada se llama tambin un problema de trasbordo.

EL PROBLEMA DE LA RUTA MS CORTA. El problema de la ruta ms corta incluye un juego de nodos conectados donde slo un nodo es considerado como el origen y slo un nodo es considerado como el nodo destino. El objetivo es determinar un camino de conexiones que minimizan la distancia total del origen al destino.

EL PROBLEMA DE FLUJO MXIMO. Muchos problemas pueden ser modelados mediante una red en la cual se considera que los arcos tienen la capacidad de limitar la cantidad de un producto que se puede enviar a travs del arco. En estas situaciones, frecuentemente se desea transportar la mxima cantidad de flujo desde un punto de partida llamado fuente hacia un punto final denominado pozo.

5.6 PROGRAMACIN LINEAL EN TEORA DE REDES.


Este tema se ilustrar con ejemplo para que se tenga un mejor entendimiento del mismo. Puesto que en los modelos de redes se tiene un objetivo dadas determinadas restricciones, estos modelos se pueden formular como un problema lineal, que posteriormente se podr resolver con alguno de los programas de computacin que se presentan ms adelante. Ejemplo. La DISTRIBUTION UNLIMITED CO. fabricar el mismo nuevo producto en dos plantas distintas y despus tendr que enviarlo a dos almacenes de distribucin, donde cualquiera de las dos fbricas puede abastecer a cualquiera de los dos almacenes. La red de distribucin disponible para el envo de este producto se muestra en la siguiente figura, donde Fl y F2 son las dos fbricas, Al y A2 son los dos almacenes y CD es el centro de distribucin. Las cantidades que deben enviarse desde F1 y F2 se muestran a la izquierda, y las cantidades que deben recibirse en A.1 y A2 se muestran a la derecha. Cada flecha representa un canal factible de envo. Entonces F1 puede enviar directamente a A1 y tiene tres rutas posibles (F1CDA2, FlF2CDA2 y F1A1A2) para mandar bienes a A2. La fbrica F2 tiene slo una ruta a A2 (F2CDA2) y una a A1 (F2CDA2A1). El costo por unidad enviada a travs de cada canal se muestra al lado de la flecha. Tambin, junto a F1F2 y CDA2 se muestran las cantidades mximas que se pueden enviar por estos canales. Los otros canales tienen suficiente capacidad para manejar todo lo que las fbricas pueden enviar. La decisin que debe tomarse se refiere a cunto enviar a travs de cada canal de distribucin. El objetivo es minimizar el costo total de envo. Formulacin como un problema de programacin lineal: Con siete canales de envo_ se necesitan siete variables de decisin (XFI-F2, XFI-CD, XFI-A1, XF2-CD, XCD-A2, XAI-A2, XA2-A1) para representar las cantidades enviadas a travs de los canales respectivos. Existen varias restricciones sobre los valores de estas variables. Adems de las restricciones usuales de no negatividad, se tienen dos restricciones de cota superior, XFI-F2 10 y XCD-A2 80, impuestas por la capacidad limitada de envo de los dos canales, FlF2 y CDA2. Todas las dems restricciones surgen de las cinco restricciones de flujo neto, una para cada localidad. Estas restricciones tienen la siguiente forma: Restriccin de flujo neto para cada localidad:

Cantidad enviada - cantidad recibida = cantidad requerida. Como se indica en la figura, estas cantidades requeridas son 50 para F1, 40 para F2, -30 para A1 y -60 para A2. Cul es la cantidad requerida para CD? Todas las unidades producidas en las fbricas se necesitan en algn momento en los almacenes. Por lo tanto, la cantidad total enviada del centro de distribucin a los almacenes debe ser igual a la cantidad total enviada desde las fbricas al centro de distribucin. En otras palabras, la diferencia de estas dos cantidades enviadas (la cantidad requerida para la restriccin de flujo neto) debe ser cero. Como el objetivo es minimizar el costo total de envo, los coeficientes de la funcin objetivo son directamente los costos unitarios de envo dados. Por lo tanto, usando unidades monetarias en cientos de dlares en esta funcin objetivo, el modelo completo de programacin lineal es: Minimizar Z = 2 XFI-F2 + 4XFI-CD + 9XFI-A1 + 3XF2-CD + XCD-A2 + 3XAI-A2 + 2XA2-A1 sujeto a: XFI-F2 + XFI-CD + XFI-A1 -XFI-F2 - XFI-CD - XFI-A1 + XF2-CD - XF2-CD + XCD-A2 = 50 = 40 =0

+ XAI-A2 - XA2-A1 = -30 - XCD-A2 - XAI-A2 + XA2-A1 = -60

XFI-F2 XFI-F2, XFI-CD, XFI-A1,

10 XCD-A2 80 XF2-CD, XCD-A2, XAI-A2, XA2-A1 0

5.7 USO DE PROGRAMAS DE COMPUTACIN.

EJEMPLO Considere la siguiente figura que representa las posibles rutas de transporte, suponga que el nmero junto a las fechas es el costo entre cada nodo:

WINQSB:

Paso 1: Abrir WinQSB ir al men File/New Problem. Paso 2: Elegir la opcin Shortest PathProblem, establecer numero de nodos y nombre del problema como sigue:

Pulsar OK.

En la tabla que aparece a continuacin insertar los valores de la red del problema a resolver.

Paso 3: ir al men: Solve and Analyze/Solve Problem y establecer los nodos de inicio y fin:

Dar clic en Solve Paso 4: WinQSB arroja el resultado de problema.

Dar clic para observar la solucin grfica:

La ruta mas corta es: 12589=15 Otros ejemplos: El paquete WinQSB contiene un ejemplo resuelto de cada tipo de problemas de esta unidad, para acceder a ellos ir al men: File/Load Problem.

SOLVER
Andrs Loreto es presidente de una microempresa de inversiones que se dedica a administrar las carteras de acciones de varios clientes. Un nuevo cliente ha solicitado que la compaa se haga cargo de administrar para l una cartera de $100, 000. A ese cliente le agradara restringir la cartera a una mezcla de tres tipos de acciones nicamente, como podemos apreciar en la siguiente tabla. Formule usted un modelo de Programacin Lineal para mostrar cuntas acciones de cada tipo tendra que comprar Andrs con el fin de maximizar el rendimiento anual total estimado de esa cartera.

Acciones

Precio ($)

Rendimiento Anual Inversin Posible Estimado por ($) Accin ($) 7 3 3 60.000 25.000 30.000

Navesa Telectricidad Rampa

60 25 20

Para solucionar este problema debemos seguir los pasos para la construccin de modelos de programacin lineal (PL): 1.- Definir la variable de decisin. 2.- Definir la funcin objetivo. 3.- Definir las restricciones. Luego construimos el modelo: MAX Z = 7X1 + 3X2 + 3X3 S.A.: 60X1 +25X2 + 20X3 <= 100.000 60X1 <= 60.000 25X2 <= 25.000 20X3 <= 30.000 Xi >= 0 A continuacin se construye el modelo en una hoja de clculo de Excel de la siguiente manera:

En la fila 2 se coloca la variable de decisin la cual es el nmero de acciones y sus valores desde la B2 hasta la D2. En la fila 3 el rendimiento anual y sus valores desde B3 hasta D3. En la celda E3 colocaremos una formula la cual nos va indicar el rendimiento anual total, =sumaproducto($B$2:$D$2;B3:D3). Desde la fila B5 hasta la D8 colocaremos los coeficientes que acompaan a las variables de decisin que componen las restricciones. Desde la E5 hasta la E8 se encuentra la funcin de restriccin (LI) y no es mas que utilizar la siguiente formula =sumaproducto($B$2:$D$2;B5:D5) la cual se alojara en la celda E5, luego daramos un copy hasta la E8. Desde la F5 hasta F8 se encuentran los valores de las restricciones. Desde la G5 hasta G8 se encuentra la holgura o excedente.

Una vez completada la hoja de clculo con el modelo respectivo GRABE SU HOJA!, y seleccione "Solver" en el men de "Herramientas", ah tendr que especificar dentro del cuadro de dialogo de Solver:
o o o

La celda que va a optimizar Las celdas cambiantes Las restricciones

As tendremos la siguiente pantalla:

Como se puede observar en la celda objetivo se coloca la celda que se quiere optimizar, en las celdas cambiantes las variables de decisin y por ltimo se debe de complementar con las restricciones. Una vez realizado estos pasos deben pulsar el icono de "Opciones" y debe hacer clic en "Asumir modelo lineal" y enseguida el botn de "Aceptar". Luego haga clic en el botn de "Resolver" para realizar la optimizacin, lea detenidamente el mensaje de terminacin de Solver y ah observar si se encontr una solucin o hay que modificar el modelo, en caso de haber encontrado una solucin ptima usted podr aceptar o no dicha solucin, luego tendr oportunidad de analizar un informe de anlisis de sensibilidad para luego tomar la mejor decisin.

En nuestro ejemplo el mximo rendimiento anual fue de 12750$, y la cantidad de acciones a comprar seran 750, 1000 y 1500 para Navesa, Telectricidad y Rampa respectivamente.

EJEMPLOS RESUELTOS
Ejercicio # 1 La administracin de Seervada Park necesita determinar los caminos bajo los cuales se deben tender las lneas telefnicas para conectar todas las estaciones con una longitud mnima de cable. Se describir paso a paso la solucin de este problema con base en los datos que se dan en la siguiente figura:

Los nodos y distancias para el problema se resumen enseguida, en donde las lneas delgadas, ahora representan ligaduras potenciales. En forma arbitraria, se selecciona el nodo O para comenzar. El nodo no conectado ms cercano a O es el nodo A. Se conecta el nodo A al nodo O.

El nodo no conectado ms cercano a cualesquiera de los nodos O o A es el nodo B (ms cercano a A). Se conecta el nodo B al nodo A.

El nodo no conectado ms cercano a O, A o B es el nodo C (ms cercano a B). Se conecta el nodo C al nodo B.

El nodo no conectado ms cercano a O, A, B o C es el nodo E (ms cercano a B). Se conecta el nodo E al nodo B.

El nodo no conectado ms cercano a los nodos O, A, B, C o E es el nodo D (ms cercano a E). Se conecta el nodo D al nodo E.

El nico nodo no conectado es el nodo T. est ms cerca del nodo D. Se conecta el nodo T al nodo D.

los han

Todos nodos

quedado conectados, por lo que sta es la solucin (ptima) que se buscaba. La longitud total de las ramas es 14 kilmetros. Aunque con este procedimiento a primera vista puede parecer que la eleccin del nodo inicial afectara la solucin final (y la longitud total de las ligaduras), en realidad no es as. Se sugiere que se verifique este hecho para el ejemplo, aplicando de nuevo el algoritmo, pero iniciando en un nodo distinto de O. Ejercicio # 2 Supngase que en la red que se muestra en la siguiente figura, los nodos son centros de consumo elctrico, y los nmeros en los arcos son distancias en kilmetros. Se trata de encontrar el rbol que con una longitud total mnima, comunica a todos los nodos. Como el costo de tendido de cable elctrico es proporcional a la distancia, se habr encontrado, con la distancia mnima, tambin el costo mnimo. 3 3 2 6 7 8 6 B 4 7 D 2 6 2 6 G 8 8 I 5 9

C 8 A 7 0

ITERACIN PASO NODO

ARCO

ARCOS EN

1 2 3 4 5 6 7 8 9 10

1 2 3 2 3 2 3 2 3 2 3 2 3 2 3 2 3 2 3 2 3

SELECCIONADO EN EL RBOL C (ARBITRARIO) D F G B E A H O I

SELECCIONADO EN EL RBOL ACD = 2

RBOL 0 1

ADF = 2 2 ACG = 3 3 ADB = 6 4 ABE = 4 5 ADA = 6 6 AEH = 6 7 AAO = 7 8 AH = 8

9 Solucin optima, con longitud total mnima de 44 unidades.

El rbol mnimo de comunicacin, que no es necesariamente nico, se muestra a continuacin. C 2 A 7 O B 4 E 6 H 6 8 6 D 3 G I 2 F

Ejercicio # 3

Una ciudad es atravesada por una red interestatal de carreteras de norte a sur que le permite alcanzar un nivel de 15000 vehculos / hora en el horario pico. Debido a un programa de mantenimiento general, el cual exige cerrar dichas vas, un grupo de ingenieros ha propuesto una red de rutas alternas, para cruzar la ciudad de norte a sur, la cual incorpora avenidas importantes. 1- Puede la red propuesta dar cabida a un flujo mximo de 15 000 v / h de norte a sur? 2- Cul es el flujo mximo de vehculos que permite la red cada hora? 3- Qu flujo se debe canalizar sobre cada rama?

SOLUCIN [1,5]

[2,3]

[5,3]

[1,]

[1,6]

[3,6]

[1,5]

NODO NOD Nj O Nk N1 N1 N1 N2 N1 N3 N1 N4 N2 N5 N3 N6 N5 N7

gjk ETIQUETA NK 5 6 5 3 7 8 [1,] [1,5] [1,6] [1,5] [2,3] [3,6] [5,3]

5 6 3

NODO Nk N7 = [5,3] N5 = [2,3] N2 = [1,5]

NUM. DE FLUJO Xjk X57 = 0 + 3 = 3 X25 = 0 + 3 = 3 X12 = 0 + 3 = 3

gjk g57 = 8 3 = 5 g25 = 3 3 = 0 g12 = 5 3 = 2

Se satisfacen 3 unidades

NOD O Nj N1 N1 N1 N1 N3 N4 N5

NODO Nk j N1 N2 N3 N4 N5 N6 N7 6 5 3

gjk ETIQUETA NK 2 6 5 3 5 5 [1,] [1,2] [1,6] [1,5] [3,3] [4,5] [5,3]


5

NODO Nk N7 = [5,3] N5 = [3,3] N3 = [1,6]

NUM. DE FLUJO Xjk X57 = 3 + 3 = 6 X35 = 0 + 3 = 3 X13 = 0 + 3 = 3

gjk g57 = 5 3 = 2 G35 = 3 3 = 0 g12 = 6 3 = 3

Se satisfacen 3 unidades

NOD O Nj N1 N1 N1 N1 N3 N6

NOD O Nk N1 N2 N3 N4 N6 N7

gjk ETIQUETA NODO Nk NUM. DE FLUJO Xjk N7 = [6,3] X67 = 0 + 3 = 3 NK j N6 =satisfacen tres + 3 = 3 Se [3,3] X36 = 0 unidades N3 = [1,3] X13 = 3 + 3 = 6 - [1,] 2 [1,2] 3 [1,3] 5 [1,5] 3 7 [3,3] 3 7 [6,3]

gjk G67 = 7 3 = 4 G36 = 7 3 = 4 g13 = 3 3 = 0

NOD O Nj N1 N1 N1 N2 N3 N6

NOD O Nk N1 N2 N4 N3 N6 N7

gjk ETIQUETA NODO Nk N7 = [6,2] NK j N6 = [3,2] N3 = [2,2] - [1,] N2 = [1,2] 2 [1,2] 5 [1,5] 2 2 [2,2] 2 4 [3,2] 2 4 [6,2]

NUM. DE FLUJO Xjk X67 = 3 + 2 = 5 X36 = 3 + 2 = 5 X23 = 0 + 2 = 2 X12 = 3 + 2 = 5

gjk g67 g36 g23 g12

=42=2 =42=2 =22=0 =22=0

Se satisfacen 2 unidades

NOD O Nj N1 N1 N4 N6

NOD O Nk N1 N4 N6 N7

gjk ETIQUETA NODO Nk N7 = [6,2] NK j N6 = [4,5] N4 = [1,5] - [1,] 5 [1,5] 5 5 [4,5] 5 2 [6,2]

NUM. DE FLUJO Xjk X67 = 5 + 2 = 7 X36 = 0 + 2 = 2 X23 = 0 + 2 = 2

gjk g67 = 2 2 = 0 g36 = 5 2 = 3 g23 = 5 2 = 3

Se satisfacen 2 unidades.

Unidades satisfechas = 3 + 3 + 3 +2 +2 = 13 Se tiene un flujo mximo de 13 000 v/h, lo cual no cumple con el requerimiento de 15 000 v / h.

El flujo vial queda distribuido de la siguiente manera:

EJERCICIOS PROPUESTOS Ejercicio # 1 Se tiene una ruta de caminos en una reserva ecolgica.

Las letras representan la localizacin de casetas de los guardabosques. O: Origen, T: Mirador al otro extremo. Los nmeros son las distancias que hay entre las casetas por cada uno de los caminos. Se de sea instalar lneas telefnicas subterrneas entre todas las casetas minimizando la cantidad total de cable. Cul es la distancia mnima de cable requerida? Ejercicio # 2 Suponga que la compaa nacional de subsistencias populares tiene un programa anual de costalera. Esta se compra de dos fbricas, una en Mrida con capacidad de produccin mxima de 10 millones de costales al ao, y otra en saltillo con capacidad de produccin mxima de 7 millones de costales al ao. Los excedentes de la fbrica de Mrida pueden transferirse a la planta de saltillo. La disponibilidad de transporte entre las dos fbricas permite un mximo de 8 millones de costales por ao. Hay tres centros almacenadotes: el D.F, Guadalajara y Oaxaca. La siguiente matriz proporciona la capacidad mxima anual d e transporte de las fbricas a los centros almacenadotes. Des Guadalajara tino Origen Saltillo Mrida 8 2 D.F. 4 3 Oaxaca 3

(En millones de costales por ao) Los excedentes de Guadalajara y Oaxaca pueden transferirse al D.F. La capacidad mxima de transporte es de 3 y 4 millones de costales respectivamente. Una vez en los centros almacenadotes, los costales se entregan a los ejidatarios de la regin. La capacidad mxima de entrega es de 4 millones en la regin almacenadota de Guadalajara, 7 millones en la regin del DF, y 5 millones en la regin de Oaxaca. Cul es el flujo mximo anual de costales nuevos que pueden circular en este sistema? R = 14 millones de costales

Ejercicio # 3 En un pequeo aeropuerto que est creciendo, la compaa aerea local piensa comprar un tractor nuevo para mover el tren de carros que llevan y traen el equipaje de los aviones. Dentro de tres aos se instalar un nuevo sistema mecanizado de transporte de equipaje, por lo que despus no se necesitar el tractor. No obstante, tendr una carga de trabajo pesada y los costos de operacin y mantto. Aumentarn rpidamente con el tiempo y podra resultar costeable reemplazarlo en uno o dos aos. La siguiente tabla proporciona los costos descontados netos totales asociados a la compra del tractor (precio de compra valor a cambio del tractor en uso + costos de operacin y mantto.), al final del ao i y si se remplaza al final del ao j (en donde el momento presente es ao 0).

0 1 2

1 8

J 2 18 10

3 31 21 12

El problema es determinar en qu momento debe remplazarse el tractor para minimizar el costo total durante los tres aos. a) Formule este como un problema de la ruta ms corta.

BIBLIOGRAFA

Introduccin a la Investigacin de Operaciones S. Hillier, Frederick J. Lieberman, Gerald Sexta Edicin. Mtodos y Modelos de Investigacin de Operaciones Vol. 1 Modelos Determinsticos Prawna, Juan Editorial Limusa Investigacin de Operaciones A. Taha, Hamdy Editorial Prentice Hall Mtodos Cuantitativos Para los Negocios Anderson, Sweeney, Williams Editorial Thomson

ELABORARON:

CASTRO OCHOA AGUSTN ELIZALDE RAMREZ FERNANDO RODRGUEZ MARTNEZ JOAQUN CRISTBAL SON SANTOS IRIS ABRIL