Exposiciones Del Curso

I NDICE .
 Cap. 0. Presentación del Curso.
 Cap. 1. La naturaleza de la investigación de operaciones.
 Cap. 2. Mathematica como Herramienta de Programación.
 Cap. 3. Graphic Calculator Como Herramienta Para El Curso
 Cap. 4. Programación Lineal.
 Cap. 5. Modelos de Inventarios.
 Cap. 6. Teoría de Colas.
 Cap. 7. Simulación.
CAPITULO 0.
P RESENTACIÓN D EL C URSO .
S OBRE EL C URSO .
Créditos 3
Horas IO.
Semanales 8 Programación
Lineal Simulación
Horas
presenciales 4
Teoría de Teoría de
Horas estudio Inventarios Colas
independiente 4
N OS A POYAREMOS EN :
 Software:
 Mathematica 11
 Graphing Calculator.
 Antología de Juan Félix Ávila.
 Presentaciones diseñadas por el docente.

E VALUACIÓN .
 Actividades que comprueban aprendizaje:
 Mínimo 8 30%
 I examen parcial:
 Semana 10 de Setiembre. 35 %
 II examen parcial:
 Semana 5 de Noviembre. 35%
 TOTAL(NA) 100%
Por la naturaleza del curso este NO posee examen

Extraordinario.
CAPITULO 1.
L A N ATURALEZA DE LA
I NVESTIGACIÓN DE O PERACIONES .
L OS O RÍGENES DE LA
 La Revolución Industrial.
 Aumento en la división del trabajo y en la separación de
las responsabilidades administrativas en estas
organizaciones.
 Tendencia de los departamentos a convertirse en
autónomos con sus propias metas y sistemas de valores.
 Se apostó por un enfoque científico en la administración
de una empresa.
 Usos militares.
 Programación lineal, programación dinámica, líneas de
espera y teoría de inventarios.
L OS O RÍGENES DE LA
 El boom computacional genera las herramientas
practicas para su aplicación.
 Equipos multi e interdisciplinarios con conocimientos en

matemática, estadística, probabilidad, computación,
ciencias físicas y de comportamiento así como de las
técnicas propias de la investigación de operaciones.
 I.O. := Es el método científico aplicado a la solución de

problemas y a la toma de decisiones por parte de la
gerencia.
H OY EN DÍA .
 Análisis de regresión.
 Programación lineal.
 Simulación (en producción).
 Modelos de Redes.
 Teoría de Colas.
 Teoría de Juegos.
 Teoría de Inventarios.
CAPITULO 2.
M ATHEMATICA COMO H ERRAMIENTA
DE P ROGRAMACIÓN .
CAPITULO 3.
G RAPHIC C ALCULATOR
C OMO H ERRAMIENTA PARA E L C URSO .
CAPITULO 4.
P ROGRAMACIÓN L INEAL .
C APITULO 4.
 Sobre la  Casos especiales de la Programación Lineal.
Programación Lineal
 Degeneración. 4.21
 Pinturas Ávila.  Soluciones múltiples optimas. 4.22
 Ejemplo: 4.1, 4.2,  Soluciones no acotadas 4.23
4.3, 4.4, 4.5, 4.6,
4.7, 4.8, 4.9, 4.10,  Soluciones inexistentes o no factibles..4.24
4.11, 4.12, 4.13,  Análisis de Sensibilidad.4.24.
4.14, 4.15, 4.16, 4.17
 Problema 1.
 Problemas con más
dos variables de  Problema 2
decisión. 4.18, 4.19,  Método Simplex.
4.20.
 Teoría de la Dualidad. 4.26, 4.27, 4.28, 4.29, 4.30
S OBRE LA P.L.
 La P.L. utiliza un modelo matemático para describir

el problema.
 Se dice lineal porque todas las funciones del
modelo corresponden a funciones lineales.
 La palabra programación no se refiere a
programación en computadoras; en esencia es un
sinónimo de planeación.
 Trata la planeación de las actividades para obtener
un resultado óptimo, entre todas las opciones de
solución.
 Usual, pero no únicamente, utilizada en la
asignación de recursos.
P INTURAS Á VILA
Pinturas Avila posee una pequeña fábrica de pinturas para

interiores y exteriores de casas para su distribución al
mayoreo. Se utilizan dos materiales básicos, A y B, para
producir las pinturas. La disponibilidad máxima de A es de 6
toneladas diarias; la de B es de 8 toneladas por día. La
necesidad diaria de materia prima por tonelada de pintura
para interiores y exteriores se resumen en la tabla
Materia Exterior Interior Disponibilidad

Prima máxima.
A 1 2 6
B 2 1 8
U N E STUDIO DE MERCADO
ESTABLECIÓ :
 Que la demanda diaria de pintura para interiores no
puede ser mayor que la de pintura para exteriores en
más de una tonelada.
 La demanda máxima de pintura para interiores está

limitada a dos toneladas diarias.
 El precio al mayoreo por tonelada es $3 000 para la

pintura de exteriores y $2 000 para la pintura de
interiores.
 La compañía puede vender toda la pintura que

produzca.
S E DESEA MAXIMIZAR EL
INGRESO .
 x = toneladas de pintura para exteriores

producidas diariamente
 y = toneladas de pintura para interiores

producidas diariamente
R ESTRICCIONES .
x = toneladas de pintura  x + 2y ≤ 6 materia prima A.

para exteriores producidas  2x + y ≤ 8 materia prima B.
diariamente
 — x+ y ≤ 1 exceso de pintura para
y = toneladas de pintura interiores.
para interiores producidas
diariamente  y≤2 demanda máxima de
pintura para interiores.
 x ≥0 pintura para interiores.
 y≥0 pintura para exteriores.
S OLUCIÓN .
 La región de factibilidad:
 Dibuje cada restricción del problema (viéndolas como
rectas) que dividen al plano en dos partes (donde solo
una de ellas es factible).
 El semiplano factible se determina evaluando un punto
(que no pertenezca a la recta) en la restricción, si dicho
punto cumple la restricción esa es la región factible, si no
es la otra.
 Determine los bordes o “picos” de la región que son los

puntos de intersección de las rectas restricción.
 Evalué cada uno de esos picos en la función objetivo, la
respuesta al problema será con la que se obtenga el
valor más alto (si el problema es de maximización) o el
valor más bajo (si el problema es de minimización).
REGIÓN DE FACTIBILIDAD .
S OLUCIÓN .
Graphic. Mathematica.
Color 2; Expr x+2*y<6, 2*x+y<8, - Maximize [3x+2y, x+2y <=6
x+y<l, y<2, x>0, y>0 ; && 2x+y <=8 && -x+y <=1
&& y <=2 && 0<=x &&
Color 3; Expr 3*x+2*y = n; 0<=y ,{x,y}]
SliderSteps 50;
Slider 0 25;
SliderOneDirection 0;
SliderMoving 1;
E JEMPLO 4.1
La compañía Vidrios Ávila produce artículos de vidrio de alta

calidad, incluyendo ventanas y puertas de vidrio. Tiene tres
plantas. Los marcos y molduras de aluminio se hacen en la
planta 1; los marcos de madera se fabrican en la planta 2 y
en la planta 3 se produce el vidrio y se ensamblan los
productos.
Debido a que las ganancias se han reducido, la gerencia
general ha decidido reorganizar la línea de producción. Se
descontinuarán varios productos no rentables y se dejaría
libre una parte de la capacidad de producción para
emprender la fabricación de uno o dos productos nuevos
que han tenido demanda.
E JEMPLO 4.1
Uno de los productos propuestos (producto 1) es una puerta

de vidrio de 8 pies con marco de aluminio. El otro (producto
2) es una ventana grande (4 a 6 pies) para vidrio doble con
marco de madera. El departamento de mercadotecnia ha
sacado por conclusión que la compañía puede vender todo
lo que pueda producir de cualquiera de los productos.
Sin embargo, como ambos productos compiten por la

misma capacidad de producción en la planta 3, no es obvio
que mezcla de los dos productos sería la más redituable. Por
todo esto, la gerencia pidió al departamento de
investigación de operaciones que estudiara el asunto.
C ONDICIONES
 La cantidad de horas disponibles diariamente en cada
planta para estos productos.
 La cantidad de horas que requiere cada unidad

producida en cada planta.
 La ganancia (en cientos de dólares) por cada producto.
Esta información Capacidad

Planta Producto 1 Producto 2
se resume en la Disponible.
siguiente tabla. 1 1 0 4
2 0 2 12
3 3 2 18
Ganancia
3 dólares 5 dólares
Utilitaria.
M ATEMATICAMENTE H ABLANDO .
Ocupamos: Maximizar z = 3x1 + 5x2
Sujeto a las condiciones:
x1 =< 4
2x2 =< 12
3x1 + 2x2 =< 18
x1> =0,
x2 > =0 donde x1,2 son enteros.

S OLUCIÓN .
Graphic. Mathematica.
Expr x<4, 2*y<12, 3*x+2*y<18, x>0, y>0;
Maximize[3x+5y, {x ≤ 4
Color 3; Expr 3*x+5*y = n; && y ≤ 12 && 3x+2y ≤ 18
SliderSteps 50; && x ≥ 0 && y ≥ 0 && x є
Integers && y є Integers } ,
Slider 0 45; {x,y}]
SliderOneDirection 0;
SliderMoving 0;
Color 8; Expr vector (1, 1);
Color 8; Expr vector(1, 2 ); etc…..
Se deben agregar todos los puntos con

coordenadas enteras cuyos valores se
encuentren en la región de factibilidad
E JEMPLO 4.2
Supongamos que se dispone de determinadas piezas para la

elaboración de dos productos finales. Se dispone de 8
"piezas pequeñas" y 6 "piezas grandes" que son utilizadas
para elaborar sillas (usando 2 piezas pequeñas y 1 pieza
grande) y mesas (usando 2 piezas de cada tipo).
Interesa decidir cuántas sillas y mesas fabricar de modo de

obtener la máxima utilidad, dado un beneficio neto de $15
por cada silla y de $20 por cada mesa fabricada.
Sillas Mesas Disponibilidad

P. pequeñas. 2 2 8
P. Grandes. 1 2 6
Ganancia. 15 20
Función Objetivo: Max: z = 15x + 20y
Restricciones:
2x + 2y <= 8
x + 2y <= 6
x > =0; y >= 0
Donde “x” y “y” son números enteros.

E JEMPLO 4.3
Un taller tiene tres (3) tipos de máquinas A, B y C; puede

fabricar dos (2) productos 1 y 2, todos los productos tienen
que ir a cada máquina y cada uno va en el mismo orden:
Primero a la máquina A, luego a la B y luego a la C. Como lo
muestra la siguiente tabla:
Tipo de Prod. 1. Prod. 2. Horas Disponibles

Máquina por Semana.
A 2 2 16
B 1 2 12
C 4 2 28
Ganancia por 1 1.5
unidad.
Q UÉ CANTIDAD DE PRODUCTO SE DEBE FABRICAR ??
C UÁNTAS HORAS SEMANALES SOBRAN EN CADA
DEPARTAMENTO ??
Función Objetivo: Max: z = x + 1.5 y
Restricciones: 2x + 2y <= 16 x + 2y <= 12

4x + 2y <= 28 x >= 0; y >= 0
E JEMPLO 4.4
Un expendió de carnes de la ciudad acostumbra preparar la
carne para albondigón con una combinación de carne molida
de res y carne molida de cerdo. La carne de res contiene 80%
de carne y 20% de grasa, y le cuesta a la tienda 80 centavos por
libra; la carne de cerdo contiene 68% de carne y 32% de grasa,
y cuesta 60 centavos por libra. ¿Qué cantidad de cada tipo de
carne debe emplear la tienda en cada libra de albondigón, si se
desea minimizar el costo y mantener el contenido de grasa no
mayor de 25%?
Función Objetivo: Min: z = 80x + 60
Restricciones: 0,2x + 0,32y <0,25
x+y=1
x >= 0; y >= 0
E JEMPLO 4.5
Un fabricante de muebles tiene 6 unidades de madera y 28 horas
disponibles, durante las cuales fabricará biombos decorativos.
Con anterioridad, se han vendido bien dos modelos, de manera
que se limitará a producir estos dos. Estima que el modelo 1
requiere 2 unidades de madera y 7 horas del tiempo disponible,
mientras que el modelo 2 requiere 1 unidad de madera y 8 horas.
Los precios de los modelos son $120 y $80, respectivamente.
¿Cuántos biombos de cada modelo debe fabricar si desea
maximizar su ingreso en la venta?
Función Objetivo: Max: z = 120x + 80 y
Restricciones: 2x + y <= 6
7x + 8y <= 28
x >= 0; y >= 0
E JEMPLO 4.6¡¡¡¡¡
E JEMPLO 4.7. Y 4.8.
Maximice la función Minimice la función

f(x,y) = 2x + 8y f(x , y) = 2x + 8y
Con las Restricciones: Con las Restricciones:
2x + 4y >= 8 2x + 4y >= 8
2x — 5y <= 0 2x — 5y <= 0
-x + 5y <= 5 -x + 5y <= 5
x >= 0, y >= 0 x >= 0, y >= 0

E JEMPLO 4.9
Un artesano con 80 kgs. de acero y 120 kgs. de aluminio quiere
hacer ollas para tamales y para chicharrones que quiere vender,
respectivamente a 20000 y 15000 colones cada una para sacar el
máximo beneficio. Para la olla de tamales empleará 1 kg. de
acero y 3 kgs de aluminio y para la de chicharrones 2 kgs. de
ambos metales. ¿Cuántas ollas de cada tipo debe confeccionar
para maximizar sus ganancias?
Maximice:
Tamales Chicharrones Disponibilidad z= 20x + 15y
Acero 1 2 80 Restricciones:
x + 2y <= 80
Aluminio 3 2 120
3x +2y <= 120
x >= 0
y >= 0
E JEMPLO 4.10
Un autobús San José—Peñas Blancas ofrece pasajes para
fumadores al precio de 10000 y a no fumadores al precio
de 6.000. Al no fumador se le deja llevar 50 kgs. de peso y
al fumador 20 kgs. Si el autobús tiene 90 pasajes y admite
un equipaje de hasta 3.000 kg. ¿Cuántos pasajes de cada
tipo debe la compañía emitir con la finalidad de
optimizara el beneficio?
E JEMPLO 4.11
Juan se ganó 10 millones de colones en una lotería y
le aconsejan que las invierta en dos tipos de acciones,
A y B. Las de tipo A tienen más riesgo pero producen
un beneficio del 10 %. Las de tipo B son más seguras,
pero producen sólo el 7% anual. Después de varias
deliberaciones decide invertir como máximo 6
millones en la compra de acciones A y por lo menos, 2
millones en la compra de acciones B. Además, decide
que lo invertido en A sea, por lo menos, igual a lo
invertido en B. ¿Cómo deberá invertir los 10 millones
para que el beneficio anual sea máximo?
E JEMPLO 4.12
Un estudiante dedica parte de su tiempo al reparto de
propaganda publicitaria. La empresa A le paga 5 por
cada impreso repartido y la empresa B, con folletos
más grandes, le paga 7 por impreso. El estudiante lleva
dos bolsas: una para los impresos A, en la que caben
120 y otra para los impresos B, en la que caben 100.
Ha calculado que cada día es capaz de repartir 150
impresos como máximo. Lo que se pregunta el
estudiante es: ¿Cuántos impresos habrá que repartir
de cada tipo para que su beneficio diario sea máximo?
E JEMPLO 4.13
Un comerciante acude al mercado CENARA a comprar
naranjas con $50000. Le ofrecen dos tipos de naranjas:
las de tipo A a 50 el kg. y las de tipo B a 80 el kg.
Sabiendo que sólo dispone de su camioneta con
espacio para transportar 700 kg. de naranjas como
máximo y que piensa vender el kg. de naranjas tipo A
a 58 y el kg. de tipo B a 90.
 ¿Cuántos kg. de naranjas de cada tipo deberá comprar
para obtener máximo beneficio?.
 ¿Cuál será ese beneficio máximo?.

E JEMPLO 4.14
Un sastre tiene 80 m de tela de algodón y 120 m de tela de

lana. Un traje requiere 1 m de algodón y 3 m de lana, y un
vestido de mujer requiere 2 m de cada una de las dos telas.
Calcular el número de trajes y vestidos que debe
confeccionar el sastre para maximizar los beneficios si un
traje y un vestido se venden al mismo precio.
E JEMPLO 4.15
Un constructor va a edificar dos tipos de viviendas A y B.
Dispone de 600 millones de colones y el costo de una casa
de tipo A es de 13 millones y 8 millones una del tipo B. El
número de casas de tipo A ha de ser, al menos, del 40% del
total y el de tipo B, el 20% por lo menos. Si cada casa de
tipo A se vende a 16 millones y cada una de tipo B en 9.
¿Cuántas casas de cada tipo debe construir para obtener el
beneficio máximo?
E JEMPLO 4.16
Hannia dispone de 10 millones como máximo para repartir
entre dos tipos de inversión (A y B). En la opción A desea
invertir entre 2 y 7 millones. Además, quiere destinar a esa
opción, como mínimo, tanta cantidad de dinero como a la
B. Sabiendo que el rendimiento de la inversión será del 9%
en la opción A y del 12% en la B, ¿Qué cantidad debe
invertir en cada una para optimizar el rendimiento global?
¿A cuánto ascenderá?
E JEMPLO 4.17
Una refinería de petróleo tiene dos fuentes de
petróleo crudo: crudo ligero, que cuesta 35 dólares
por barril y crudo pesado a 30 dólares el barril. Con
cada barril de crudo ligero, la refinería produce 0.3
barriles de gasolina (G), 0.2 barriles de combustible
para calefacción (C) y 0.3 barriles de combustible para
turbinas (T), mientras que con cada barril de crudo
pesado produce 0.3 barriles de G, 0.4 barriles de C y
0.2 barriles de T. La refinería ha contratado el
suministro de 900000 barriles de G, 800000 barriles de
C y 500000 barriles de T. Hallar las cantidades de
crudo ligero y pesado que debe comprar para poder
cubrir sus necesidades al costo mínimo.
P ROBLEMAS CON MÁS DE
DOS VARIABLES DE DECISIÓN
Los ejemplos mostrados anteriormente cumplen –entre
otras- la característica de poseer solamente dos variables.
Dichos ejemplos poseen la ventaja de ser solubles

mediante métodos gráficos.
En los casos donde se poseen más de dos variables, se

hace imposible la utilización de dichos métodos.
En estos casos el software Mathematica será nuestra

herramienta de trabajo.
Como veremos en el futuro también nos podemos apoyar

en el método simplex y en la teoría de la dualidad para
este tipo de problemas.
E JEMPLO 4.18
P OLÍTICA DE LOS PRÉSTAMOS BANCARIOS
Una institución financiera, Banco Brando, se encuentra en el

proceso de formular su política de préstamos para el próximo
trimestre. Para ese fin se asigna un total de $12 millones. Siendo
una institución de servicios integrales, está obligado a otorgar
préstamos a diversos clientes. La tabla que sigue señala los tipos
de préstamos, la tasa de interés que cobra el banco y la
posibilidad de que el cliente no cubra sus pagos, irrecuperables o
incobrables, según se estima por experiencia
Tipo de préstamo Tasa de interés Probabilidad de incobrables

X1 Personal 0.140 0.10
X2 Automóvil 0.130 0.07
X3 Casa 0.120 0.03
X4 Agrícola 0.125 0.05

X5 Comercial 0.100 0.02
 La competencia con otras instituciones financieras del área
requiere que el banco asigne cuando menos 40% de los
fondos totales a préstamos agrícolas y comerciales.
 Para dar asistencia a la industria de la habitación en la

región, los prestamos para casa de habitación deben ser
iguales cuando menos al 50% de los prestamos personales,
para automóvil y para habitación.
 El banco tiene así mismo, una política establecida que

especifica que la relación global de pagos irrecuperables no
puede ser superior al 0,04.
(dinero irrecuperable)/(dinero prestado) < 0.04

Función Objetivo Z = 0.14(0.9x1) - 0.1x1
0.13(0.93x2) - 0.07x2
0.12(0.97x3) - 0.03x3
0.125(0.95x4) - 0.05x4
0.1(0.98x5) - 0.02x5
o lo que es lo mismo
z = 0.026x1+ 0.0509x2 + 0.0864x3 + 0.06875x4 + 0.078x5

 No negatividad xi > 0
 El total del dinero a prestar no debe exceder los $12
millones
x1+ x2 + x3 + x4 + x5 < 12.
 Se debe asignar cuando menos el 40% de los fondos
totales a préstamos agrícolas y comerciales.
x4 + x5 > 0.4 * 12, o bien x4 +x5 > 4.8
 Préstamos para casa habitación (iguales cuando
menos el 50% de los préstamos personales, para
automóvil y para casa habitación).
x3 > 0.5(x1 + x2 + x3).
 La relación global de pagos irrecuperables no puede
ser superior a 0.04
dinero irrecuperable < 0.04
dinero prestado
 o bien
0.1x1 + 0.07x2 + 0.03x3 + 0.05x4 + 0.02x5 < 0.04
x1 + x2 + x3 + x4 + x5
 o bien
0.06x1 + 0.03x2 — 0.01x3 + 0.01x4 — 0.02x5 < 0
E JEMPLO 4.19
U SO Y URBANIZACIÓN DE LA TIERRA
La compañía Bienes Raíces La Garita posee 800 acres de

tierra de primera clase, pero no urbanizada, con un lago
escénico en la parte central de Dulce Nombre. En el
pasado, se aplicaba poca o ninguna regulación a nuevas
urbanizaciones en torno al lago. Las orillas del lago ahora
están alineadas con residencias vacacionales agrupadas.
Debido a la falta de servicio de drenaje, o desagüe por
alcantarillado, se utilizan muchos tanques sépticos, la
mayoría instalados en forma inadecuada. Con el paso de los
años, la infiltración de los tanques sépticos ha provocado
un severo problema de contaminación del agua. Para
controlar la degradación más profunda en la calidad del
agua, los funcionarios del municipio presentaron y
aprobaron algunos reglamentos estrictos aplicables a todas
las urbanizaciones a futuro.
 Sólo se pueden construir casas para una, dos y tres
familias, donde las unifamiliares constituyen cuando
menos el 50% del total.
 Para limitar el número de tanques sépticos, se requieren

tamaños de lote mínimos de 2, 3 y 4 acres para casas de
una, dos y tres familias.
 Se deben establecer áreas de recreo de 1 acre cada una a

razón de un área por cada 200 familias.
 Para preservar la ecología del lago, no se puede extraer

agua del subsuelo para uso en la casa o el jardín.
El estima que el 15% del terreno se utilizará en la apertura de calles
y vías de acceso para servicios. También calcula que los siguientes
serán sus ingresos derivados de la venta de las diversas unidades
habitacionales.
Unidades habitacionales Sencilla Doble Triple

Ingreso neto por unidad ($) 10000 12000 15000
El costo de conexión del servicio de agua al área es proporcional al

número de unidades que se construyan. Sin embargo, se deberá
colectar un mínimo de $100000.
Además, la expansión del sistema acuífero está limitada a 200000

galones por día durante periodos de consumo máximo.
Los datos que siguen resumen el costo de conexión del
servicio de agua y también del consumo de agua suponiendo
una familia de tamaño medio:
Unidad habitacional Sencilla Doble Triple Recreo
Costo del servicio de

1000 1200 1400 800
agua por unidad ($)
Consumo de agua
400 600 840 450
por unidad (gal/ día)
E JEMPLO 4.20
P ROBLEMA DE PROGRAMACIÓN
DE LOS AUTOBUSES
TUASA estudia la factibilidad de introducir un sistema de
autobuses de tránsito masivo que aliviará el problema del
contaminación, reduciendo el tránsito en la ciudad. El estudio
inicial busca determinar el número mínimo de autobuses que
pueden manejar las necesidades de transporte. Después de
recolectar información necesaria, el ingeniero de la empresa
advierte que el número mínimo de autobuses que se necesita para
cubrir la demanda fluctúa con la hora del día.
Estudiando los datos más a fondo, descubrió que el número
necesario de autobuses se puede suponer constante en intervalos
sucesivos de 4 horas cada uno. La figura 4.27 presenta un resumen
de los hallazgos del ingeniero. Se decidió que para facilitar la
transportación, cada autobús podía operar sólo 8 horas sucesivas
al día.
C ASOS ESPECIALES DE
PROGRAMACIÓN LINEAL .
 Degeneración.
 Soluciones óptimas múltiples.
 Soluciones no acotadas.
 Soluciones inexistentes (o no factibles).
S OLUCIÓN DEGENERADA .
Este caso nos revela que el modelo

tiene cuando menos una restricción
redundante.
E JEMPLO 4.21
Maximizar z = 3x1 + 9x2
sujeto a:
 X1 + 4x2 ≤ 8
 X1 + 2x2 ≤ 4
 X1,x2 ≥ 0
S OLUCIONES ÓPTIMAS
MÚLTIPLES .
Cuando la función objetivo es paralela a una

restricción, la función objetivo tomará el
mismo valor óptimo en más de un punto de
solución. Por esta razón reciben el nombre
de “opcioneS óptimas”.
E JEMPLO 4.22
Sujeto a :
 x1 + 2x2 ≤ 5
 x1 + x2 ≤ 4
 X1, X2 ≥ 0
S OLUCIÓN NO ACOTADA .
En algunos modelos los valores de las variables se

pueden aumentar en forma indefinida sin violar
ninguna de las restricciones, lo que significa que
el espacio de soluciones es no acotado cuando
menos en una dirección.
Como resultado, el valor de la función objetivo

puede crecer (caso de maximización) o decrecer
(caso de minimización) en forma indefinida.
E JEMPLO 4.23
S OLUCIONES NO A COTADAS
Maximizar z = 2x1 + x2
Sujeto a:
 X1 — X2 ≤ 10
 2x1 ≤ 40
 x1 , x2 ≥ 0
S OLUCIÓN NO FACTIBLE
Si las restricciones no se pueden satisfacer en

forma simultánea, se dice que el modelo no
tiene solución factible.
Esta situación nunca puede ocurrir si todas
las restricciones –excepto las de naturalidad-
son del tipo ≤.
E JEMPLO 4.24
E SPACIO DE SOLUCIÓN NO FACTIBLE
Maximizar: z = 3x1 + 2x2
Sujeto a
 2x1 + X2 ≤ 2
 3x1 + 4x2 ≥ 12
 X1, x2 ≥ 0
E JEMPLO 4.25 ¡¡¡¡¡¡
S IEMPRE ES BUENO …..
Debemos tomar en cuenta que, muchos de

estos casos surgen a raíz de:
 No tomar en cuenta una o más
restricciones.
 No determinar correctamente los
coeficientes de algunas restricciones.
 Las restricciones no están destinadas a
cumplirse en forma simultánea.
A NÁLISIS DE SENSIBILIDAD
ELEMENTAL .
Se ha diseñado para estudiar el efecto de los

cambios en los parámetros del modelo de PL
en la solución óptima.
¿Hasta dónde se pueden modificar los datos

del problema sin que se "cambie" de vértice
óptimo?
P ROBLEMA DE SENSIBILIDAD 1
¿Q UÉ TANTA VARIACIÓN SE PERMITE EN LOS
COEFICIENTES DE LA FUNCIÓN OBJETIVO ?
Una variación en los coeficientes de la función

objetivo, sólo puede afectar la pendiente de la línea
recta que la representa.
Z= ax1+bx2
El objetivo es determinar el intervalo de variación de
cada uno de los coeficientes de la función objetivo que
mantenga invariante a un punto extremo óptimo.
P ROBLEMA DE SENSIBILIDAD 2
¿C UÁNTO VALE UNA UNIDAD DE RECURSO ?
Este problema tiene que ver la sensibilidad de la

solución óptima frente a cambios en el segmento
de las restricciones.
Si la restricción representa un recurso limitado, el

problema se reduce a estudiar el efecto de
cambiar la disponibilidad del recurso.
Dicho de otra forma: qué pasa si los coeficientes

de las restricciones varían?
E JEMPLO 4.24
Realice un análisis de sensibilidad para el siguiente
problema.
Max z = 15 x1 + 20 x2
Sujeto a
 2x1 + X2 ≤ 8
 x1 + 2x2 ≤ 6
 X1 x2 ≥ 0
E L CÓDIGO EN
M ATHEMATICA SERÍA
MÉTODO SIMPLEX
T EORÍA DE DUALIDAD
Asociado a todo problema de programación

lineal, existe otro problema lineal llamado
dual.
Propiedad de simetría: Para cualquier

problema primal y su problema dual, las
relaciones entre ellos deben ser simétricas
debido a que el dual de este problema dual es
este problema primal.
T EOREMA FUNDAMENTAL DE LA
DUALIDAD
Dado un problema primal (P) y su dual (D), entonces
se tiene alguna de las siguientes posibilidades:
 (P) tiene solución óptima finita, también la tiene

(D) y los valores de la función objetivo coinciden.
 (P) es no acotado y (D) infactible.
 (P) y (D) son infactibles.
P ROPIEDAD DE DUALIDAD
FUERTE :
Si x* es una solución óptima para el

problema primal y y* es una solución óptima
para el problema dual, entonces ax* = y*b.
E JEMPLO 4.26
La National Business Machines (NBM) produce y vende dos
tipos de máquinas de escribir: manual y eléctrica. Cada
máquina de escribir manual es vendida con un ingreso de
$40 y cada máquina de escribir eléctrica produce un ingreso
de $60. Ambas máquinas tienen que ser procesadas
(ensambladas y empacadas) a través de dos operaciones
diferentes: 01 y O2, El número de horas de 01 y O2
requeridas para producir un modelo terminado se da en la
siguiente tabla:
Operación Manual Eléctrica Cap. Mensual (horas)
O1 3 2 2000
O2 1 2 1000
P LANTEANDO EL PROBLEMA :
Max z = 40 x1 + 60 x2
Sujeto a
 3x1 + 2X2 ≤ 2000
 x1 + 2x2 ≤ 1000
 X1, x2 ≥ 0
La solución para este caso corresponde a x1=500 y x2=
250 con un ingreso de z=35000; en donde x1 es el
numero de máquinas de escribir manuales a producir y x2
las eléctricas.
LA IDEA ES …
C ÓMO PASAR DE UN PROBLEMA PRIMAL
A SU CORRESPONDIENTE DUAL ?
PRIMAL ↔ DUAL
FUNCIÓN FUNCIÓN
MIN. MAX.
OBJETIVO OBJETIVO
≥ 0 ≤
RESTRICCIO
VARIABLES ↔
≤ 0 ≥ NES
S.R. =
≥ ≥ 0
RESTRICCIO
↔
NES VARIABLES
≤ ≤ 0
= S.R.
P LANTEAMIENTO D EL D UAL .
Maximice
z = 40 x1 + 60 x2
Planteamiento
Sujeto a Planteamiento
Del
3x1 + 2X2 ≤ 2000 Del
Problema
x1 + 2x2 ≤ 1000 Problema Dual
Original
X1 ≥ 0
x2 ≥ 0
Forma Matricial
Del Forma Matricial
Problema del
Original Problema Dual
E JEMPLO 4.27
Sujeto a:
Planteamiento
x1— 6x2 ≥ 2 Planteamiento
Del
5x1 + 7x2 = —4 Del
Problema
x1 ≤ O Problema Dual
Original
x2 ≥ O
Forma Matricial
Del Forma Matricial
Problema del
E JEMPLO 4.28
Minimizar
z = 1x1 + 3x2 + 5x3 + 2x4 + 3x5
Planteamiento
Planteamiento
Del Sujeto a :
Del
Problema X1 + X2 + 2x3 + x4 + 3X5 ≥ 4
2x1— 2x2 + 3x3 + x4 + x5 ≥ 3 Problema Dual
Original
X1 ≥ 0, X2 ≥ 0, X3 ≥ 0,
x4 ≥ 0, x5 ≥ 0
Forma Matricial
Del Forma Matricial
Problema del
E JEMPLO 4.29
Maximizar
z = 4x1 + 7x2
Planteamiento
Planteamiento
Del
Sujeta a: Del
Problema
3x1 + 5x2 ≤ 6 Problema Dual
Original
x1 + 2x2 ≤ 8
X1 ≥ 0, X2 ≥ 0
Forma Matricial
Del Forma Matricial
Problema del
E JEMPLO 4.30
Maximizar
z = 3x1 + 5x2
Planteamiento
sujeta a Planteamiento
Del
X1 ≤ 4 Del
Problema
2x2 ≤ 12 Problema Dual
Original
3x 1 + 2x2 ≤ 18
X1 ≥ 0, X2 ≥ 0
Forma Matricial
Del Forma Matricial
Problema del
C APÍTULO 5.
M ODELOS DE INVENTARIOS .
I NVENTARIOS .
 ¿Qué cantidad de artículos deben pedirse?
 ¿Cuándo deben pedirse?
 Se relacionan con el mantenimiento de cantidades

suficientes de bienes.
 El inventario representa en realidad capital ocioso (o

inactivo).
 Son un mal necesario: pocos pueden ocasionar costosas

interrupciones y muchos pueden arruinar la ventaja
competitiva y el margen de ganancia.
Q UÉ TIPO DE INVENTARIO ?
Depende si la demanda del artículo es determinista (se

conoce con certeza) o probabilística (la describe una
densidad de probabilidad).
Es raro que una

demanda
estática
determinista
ocurriera en el
mundo real.
O TRAS COSAS A CONSIDERAR
Demoras en la entrega o (tiempos guía). El tiempo entre la

petición de un pedido y su surtido.
Reabastecimiento del almacén. puede ser instantáneo (el

almacén compra de fuentes externas) uniforme (el producto
se fabrica localmente dentro de la organización).
Horizonte de tiempo. El periodo sobre el cual el nivel de

inventarios estará controlado; puede ser finito o infinito,
dependiendo de la naturaleza de la demanda.
Abastecimiento múltiple. Un sistema de inventarios puede

tener varios puntos de almacenamiento (en lugar de uno).
Número de artículos. Un sistema de inventarios puede

contener más de un artículo (mercancías).
J USTO A TIEMPO (JAT).
 Implementado por Japón, después de la segunda guerra
mundial.
 Es una concepción tendiente a eliminar los inventarios,
mediante mejoras en la calidad y reducción de
desperdicios.
 Considera los inventarios como deficiencias en las
componentes de la producción, tales como el diseño de
productos, control de calidad, la selección de equipo,
administración del material y otras más.
 Eliminando tales deficiencias, el proceso de producción
puede equilibrarse y la dependencia del flujo de
producción de los inventarios puede minimizarse o
eliminarse.
S ISTEMA DE INVENTARIO
ABC.
 Clase A: cantidades
pequeñas de artículos
costosos y deben estar
bajo constante supervisión.
 Clase B: son los que siguen

en orden, se puede aplicar
una forma de control de
inventario moderada.
 Clase C: la más baja

prioridad en la aplicación
de cualquier forma de
control de inventarios
M ODELO DE INVENTARIO
GENERALIZADO
 La cantidad óptima que debe ordenarse cada vez que se haga
un pedido y puede variar con el tiempo, dependiendo de la
situación que se considere.
 El tiempo para adquirir un nuevo pedido suele coincidir con
el inicio de cada intervalo de tiempo.
 Si el sistema es del tipo de revisión continua, el nivel de
inventario en el cual debe colocarse un nuevo pedido suele
especificar un punto para un nuevo pedido.
 Caso de la revisión periódica. Recepción de un nuevo pedido
de la cantidad especificada por la cantidad del pedido en
intervalos de tiempo iguales.
 Caso de la revisión continua. Cuando el nivel de inventario
llega al punto para un nuevo pedido se coloca un nuevo
pedido cuyo tamaño sea igual a la cantidad del pedido.
S OBRE LOS C OSTOS .
La cantidad y
el punto de un
nuevo pedido
suelen
determinarse
normalmente
minimizando
el costo de
inventario
total .
S OBRE LOS MODELOS
DETERMINISTAS
La mayoría de
estos modelos
tratan con un
inventario de
un solo .
artículo.
El tipo más
simple de
modelo de
inventarios
ocurre cuando
la demanda es
constante en el
tiempo con Q = cantidad pedida. a = demanda.
reabastecimien
to instantáneo
y sin escasez. - El nivel de inventario alcanza el nivel cero en t = Q/a .
- Cuanto más pequeña es Q, más frecuente son los pedidos.
C = COSTO DE PRODUCCIÓN POR ARTICULO .
H = COSTO DE ALMACENAMIENTO .
K = COSTO FIJO DE ORDEN .
T= COSTO TOTAL .
Costo de
producción por
unidad de tiempo
Costo de
mantener el
inventario
Costo
Total
Nivel de
inventario en el
momento t
E JEMPLOS 5.1. Y 5.2.
Una compañía que fabrica televisores produce sus

propias bocinas para usarlas en la fabricación de los
aparatos. Los televisores se ensamblan en una línea de
producción continua a una tasa de 8000 al mes. Las
bocinas se producen por lotes, pues no justifican toda
una línea de producción y se pueden producir
cantidades relativamente grandes en un tiempo corto.
La compañía está interesada en determinar cuándo y
cuántas bocinas debe producir.
S ISTEMA DE INVENTARIO ABC.
 El sistema ABC es un procedimiento simple que se

puede utilizar para separar los artículos que
requieran atención especial en términos de control
de inventarios.
 Sólo un número relativamente pequeño (20—80)
de artículos de inventario suelen incurrir en una
parte importante del costo del capital.
 Se espera que el tamaño del pedido de artículos de
clase A sea pequeño. Mientras el pedido de
artículos clase C puede ser muy grande.
R EABASTECIMIENTO NO
INSTANTÁNEO
Qué pasa si el pedido debe hacerse L unidades de tiempo antes que
sea entregado?.
Nivel de
Tiempo de inventario
fabricación. critico
E JEMPLOS 5.3.
La demanda diaria a para una mercancía es

aproximadamente 100 unidades. Cada vez que se coloca un
pedido se origina un costo fijo K de $100. El costo diario, h,
de mantener el inventario por unidad es de $0.02. Si el
tiempo de fabricación es de 12 días, determine el tamaño
económico de lote y el punto de reordenación.
D EBE C ONSIDERARSE
 El costo de producción de una sola bocina
(excluyendo el costo de preparación) es de $10 y
puede suponerse que es un costo unitario
independiente del tamaño del lote fabricado.
 Cada vez que se produce un lote, se incurre en un
costo de preparación de $12000.
 El costo estimado de mantener una bocina en
almacén es de 30 centavos/mes.
 El costo de faltantes. Se ha estimado que cada
bocina que falta cuando se necesita cuesta
$10/mes.
E JERCICIOS .
Determine el punto de nuevo pedido en cada uno de los

casos siguientes.
Tiempo de fabricación = 15 días. R/ 500 unidades.
Tiempo de fabricación = 10 días R/ 0 unidades

I NVENTARIOS CON
FALTANTES .
Si se permite que ocurran faltantes y su precio al salir es de
p dólares por unidad de demanda no satisfecha por una
unidad de tiempo, se pueden obtener resultados parecidos
a los del caso en que los faltantes no están permitidos.
p = dólares por unidad de demanda no satisfecha .

S = la cantidad que se tiene al principio de un ciclo.
Q — S = faltante previsto.
S = LA C ANTID A D QUE SE TIENE AL PRINC IP IO D E UN C IC LO .
P = D Ó LAR ES POR UNID A D D E D EMAN D A N O SATISF EC H A .
Q — S = FALTAN T E PREVISTO .
Costo de
producción
por unidad Costo
de tiempo Total por
ciclo
Costo por
faltantes Costo
Total
Costo de
mantener el
inventario Faltante
Fracción de Máximo
Tiempo en la que
no hay faltantes
E JEMPLOS 5.4.
Si en el ejemplo de las bocinas se permiten faltantes, el

costo se estima en p = $1.10 por bocina.
E JERCICIO .
Use GC para graficar las siguientes funciones de costos para
el problema de las bocinas y televisores estudiados
anteriormente. La primera función es la que se obtiene con
los datos dados en el ejemplo. La segunda corresponde a la
fórmula de la función de costos en la que se mantienen los
parámetros que se ajustan abajo mediante “sliders".
Determine cuáles parámetros producen “mayor impacto” en

la función de costos cuando se mantienen fijos los otros.
D ESCUENTOS POR CANTIDAD .
(S IN FALTANTES ).
Los modelos considerados suponen que el costo por unidad
para un artículo es el mismo sin importar la cantidad
producida. De hecho, esta suposición es el resultado de que
las soluciones óptimas sean independientes de la cantidad.
Supóngase ahora que existen divisiones en el costo, es decir,

que el costo unitario varia según la cantidad ordenada.
E JERCICIOS P ROPUESTOS .
El restaurante “Todos los gatos van al cielo" requiere de

700 kilos de carne a la semana. Cada vez que don Juan, el
dueño del restaurante, hace un pedido, la empresa que le
surte le cobra $25 por el transporte de la carne y $3 por
cada kilo de carne. La entrega de la carne es inmediata.
Don Juan ha estimado que el costo de mantener
almacenada la carne en los congeladores es de $0.70 por
kilo por semana.
1. Si no se permiten faltantes, el inventario óptimo es_____ y
debe ordenarse cada _____ semanas.
2. Si se ordena el inventario óptimo, la cantidad de carne un
día después es _____
3. Si el costo por faltantes es de $2 por artículo por semana,
el inventario óptimo es _____ y debe ordenarse cada
_____ semanas.
4. Continuando con la suposición de que se permiten
faltantes, se tiene que la fracción del tiempo en que no
existe faltante es _____
El restaurante “Todos los perros van al cielo" requiere de
kilos de carne a la semana. Cada vez que don Miguel, el
duéño del restaurante, hace un pedido, la empresa que le
surte le cobra $25 por el transporte de la carne. Si la
cantidad ordenada es < 500 kilos, el precio es de $ 3 por
kilo, si la cantidad ordenada es ¸ 500 pero < 1000, el precio
es de $2.75 por kilo y si la cantidad ordenada es ¸ 1000, el
precio es de $2.50 por kilo. La entrega de la carne es
inmediata. Don Miguel ha estimado que el costo de
mantener almacenada la carne en los congeladores es de
$0.70 por kilo por semana.
=
1. Si α = 300, el inventario óptimo es _____ y debe ordenarse
cada _____ semanas. Además, para este caso, el costo total
es _____ .
es _____ .
es _____ .
4. Cuál es menor valor entero de α para el que es mejor comprar
más de 500 kilos de carne en cada pedido pero menos de
1000 _____ .
Una empresa está interesada en adquirir cajas para CD (10
unidades por caja). El valor unitario de cada caja depende de la
cantidad adquirida de acuerdo a los valores de la siguiente tabla.
La empresa requiere almacenar 10000 discos al año. El costo de
emitir una orden se estima en $100. El único costo de mantención
de unidades está asociado al costo de oportunidad del capital, el
cual se asume 20% al año.
Cantidad de cajas ordenadas (Q) Precio unitario [$]
0 ≤ Q < 100 50.0
100 ≤ Q < 300 49.0
Q ≥ 300 48.5
Sug. a =1000 al año K = 100. h = 0,2% (del precio unitario)

Cada año, una óptica vende 10000 marcos para lentes. El
proveedor de la óptica vende cada marco a US$15. El costo de
emitir una orden se estima en US$50. La óptica pretende
mantener órdenes pendientes asumiendo un costo anual de
US$15 sobre cada marco a causa de la eventual pérdida de
futuros negocios. El costo anual de mantener una unidad en
inventario se estima en el 30% del valor de compra de cada
marco.
 Cuál es el tamaño de orden óptimo?
 Qué capacidad de almacenaje debe tener la bodega de la

óptica?
Sug. Los parámetros para efectuar los cálculos suponiendo un

modelo con escasez son: c = 15, a = 10000, K = 50, h = 0.3x?
y p = 15
Un almacén regional compra herramientas manuales a varios
proveedores y después las distribuye, de acuerdo con la demanda,
a vendedores al detalle de la región. El almacén trabaja cinco días
por semana y 52 semanas por año. Solo puede recibir pedidos
cuando esta en operación, los siguientes datos son estimaciones
aplicables a los taladros manuales de 3/8 pulgada, con doble
aislamiento, y velocidad variable. Los datos son los siguientes:
Demanda diaria promedio: 100 taladros.
Tiempo de entrega: 3 días
Costo de manejo de Inventario: $9.40 u/año
Costo de hacer pedido: $35
Si el almacén utiliza un sistema de revisión continua: ¿Qué
cantidad de pedido y cuál es el punto de reorden que deberán
utilizarse?
Si el inventario disponible es de 40 unidades, existe un pedido en
proceso por 440 taladros y no hay órdenes atrazadas ¿será
conveniente hacer un nuevo pedido?
C APITULO 6.
T EORÍA DE COLAS
E STA T EORÍA ….
Es una herramienta de negocios debido a que muchos
problemas pueden caracterizarse, como problemas de
congestión llegada-partida.
Clientes. Instalaciones .
 Gente esperando líneas  Líneas telefónicas.
telefónicas desocupadas.
 Talleres de reparación.
 Máquinas que esperan
ser reparadas.  Pistas de aeropuerto.
 Aviones esperando  Mostradores de pago.
aterrizar.
 Gente esperando en una
línea de pago en tiendas
de víveres.
TASA VARIABLE DE LLEGADAS
VRS
TASA VARIABLE DE SERVICIO .
Las llegadas... El Servicio . . .

 La demanda (tasa de llegada) a  Un sistema telefónico entre dos
una central telefónica es 60 por ciudades puede manejar 90
minuto. llamadas por minuto.
 Las máquinas se descomponen  Una instalación de reparación

puede, en promedio, reparar
(o llegan a una instalación de máquinas a una tasa de 4 por día
reparación) a una tasa de 3 por (o cuatro por ocho horas).
semana o 15 por mes.
 Una pista de aeropuerto puede
 Los aviones llegan (solicitan manejar (aterrizar) dos aviones
pista) entre 6.00 P.M. y 7.00 P.M. por minuto (o uno cada 30
a una tasa de 1 por minuto. segundos, ó 120 por hora)
 Los clientes llegan a un  Un mostrador de pago puede

mostrador de pago a una tasa de procesar un cliente cada 4
25 por hora. minutos.
COSTO DE SUMINISTRO
CONTRA
COSTO DE ESPERA
 Si la tasa de llegada excede a la tasa de servicio. Esto

hace que se formen líneas de espera (o colas),
perdiendo ingresos.
 Las facilidades de servicio pueden estar vacías o lo que

es lo mismo “el sistema está sobrecapacitado”.
 La situación ideal es cuando las instalaciones están

esperando solo temporalmente a los clientes y estos
sólo esperan servicio temporalmente. "sistema
balanceado".
C ARACTERÍSTICAS DE UN SISTEMA DE
COLAS
 Un sistema de colas se compone de un conjunto de

unidades físicas operando al unísono.
 Primero, el análisis de colas requiere entender el

comportamiento del sistema prediciendo primero el
comportamiento de éste.
 Posteriormente, utilizando estas predicciones, el análisis

de colas comprende el estudio del balance entre los
costos de los clientes que esperan el servicio y los costos
de las instalaciones de servicio.
H AY UNA GRAN VARIEDAD DE
SISTEMAS DE COLAS ( MODELOS ).
H AY UNA GRAN VARIEDAD DE
SISTEMAS DE COLAS ( MODELOS ).
S ISTEMA DE COLAS DE P OISSON
DE UN SOLO SERVIDOR .
En un sistema de este tipo suponemos que:
Suposición 1. Llegada de clientes: Llegan de acuerdo a una
distribución Poisson. Esto implica :
 Las llegadas ocurren "aleatoriamente".
 La probabilidad de una llegada durante un intervalo
específico de tiempo permanece constante y es
independiente del número de llegadas previas y de la
duración del tiempo de espera.
(n = 0,1,...,)
A = número de clientes que llegan en un intervalo de tiempo.

λ = tasa esperada de llegada en un intervalo de tiempo.
 Suposición 2. Disciplina de la cola: es del tipo FIFO y
ningún cliente deja el sistema antes de ser servicio.
 Suposición 3. Número de servidores: 1.
 Suposición 4. Distribución del servicio: Sigue una
distribución exponencial negativa.
(para t ≥0),
S = tiempo de servicio para un cliente típico.

μ = tasa de servicio esperado .
G RAFICO DE UNA FUNCIÓN
DE P OISSON .
 Expr a=slider([1.10]);
 Color 2; Expr y =[e~(-a)* a~x]/[x!], x > 0, x< 10 ;

P UEDE UN S OLO S ERVIDOR
M ANEJAR LA D EMANDA ??
Si denotamos por U = λ/μ al factor de utilización del
servidor, tenemos:
 Si λ ˃ μ, esto es, U > 1, esperaríamos que el

sistema estuviera sobrecongestionado la mayoría
de las veces.
 Si λ ˂ μ, esto es, U < 1, esperaríamos que el
sistema no estuviera congestionado, la mayoría de
las veces.
La probabilidad de que haya n clientes en el sistema se

determina con la fórmula:
A LGUNAS E STADÍSTICAS
IMPORTANTES .
E(N) = valor esperado (o E(L) = longitud esperada de la
promedio) de clientes línea de espera (no incluye los
en el sistema. clientes en servicio).
E(W) = tiempo medio E(T) = tiempo promedio se

para ser atendido gasta en el sistema
(tiempo de cola)
E JEMPLOS DEL 6.1 AL 6.5
 Suponga que la tasa esperada de llegada es de 3 clientes por
minuto, A = 3. ¿Cuál es el tiempo esperado entre llegadas, de
los clientes individuales?
 Supongamos que el servicio puede realizarse a una tasa
esperada de μ = 4 por minuto. ¿Cuál es el tiempo esperado
entre dos servicios consecutivos?
 Si la tasa de llegada es A = 30 por hora y la tasa promedio de
servicio es 40 por hora,
 ¿cuál es la probabilidad de que un cliente que llega no tenga
que esperar servicio?.
 ¿cuál es la probabilidad de que haya 0, 1, 2, 3, y 4 clientes en

el sistema (en la cola y siendo servidos)?
 Si A = 30 por hora y λ = 40 por hora, ¿E(N), E(L), E(W) y E(T)7

E JEMPLO 6.6.
La Nebraska Steak House se enfrenta al problema de
determinar el número de meseros que debe utilizar en las
horas pico. La Gerencia ha observado que el tiempo entre
llegadas de los clientes es de cuatro minutos y el tiempo
promedio para recibir y procesar un pedido es de 2
minutos. También ha observado que el patrón del número
de llegadas sigue la distribución de Poisson y que los
tiempos de servicio (o tiempo de procesamiento de un
pedido) siguen una distribución exponencial negativa.
¿Cuál es la utilización actual de la capacidad de servicio existente?
¿Cuál es la probabilidad de que un cliente que llega sea servido

inmediatamente?
¿Cuál es la probabilidad de que un cliente que llega encuentre una

línea de espera de longitud “n” , n= 1, 2,...
¿Cuál es el número esperado de clientes en el sistema?
¿Cuál es la longitud esperada o promedio de la cola?
¿Cuál es el tiempo promedio que un cliente debe esperar en el

sistema?
¿Cuál es el tiempo promedio de espera que un cliente gasta en la

cola?
E JEMPLO 6.7.
¿Q UIÉN ES EL MEJOR SERVIDOR ?
La gerencia tiene que decidir a quién contrata entre dos
mecánicos, X o Y. La frecuencia de daños en las máquinas en la
planta se sabe que obedece a una distribución Poisson con una
tasa A = 1 máquina por hora. La compañía pierde ingresos por
máquinas paradas a razón de $25 por hora. El mecánico X pide
$20 por hora y el mecánico Y pide $ 12 por hora. Se sabe que X es
capaz de reparar las máquinas a una tasa de 1.8 máquinas por
hora y Y es capaz de repararlas a una tasa de 1.2 máquinas por
hora.
1. ¿Cuál mecánico X o Y debe contratarse?
2. A cuánto debe, el mecánico Y, aumentar su velocidad de
atención para equiparar los costos con el mecánico X
3. Si mantenemos las tasas originales de atención de los
mecánicos X y Y, cuál deber ser la tasa de llegada para que se
igualen los costos.
L ÍNEA DE ESPERA CON VARIOS
SERVIDORES
 Cada paciente se forma en
una sola línea y que
cuando llega a la cabeza
de ella, entra al primer
cuarto de servicio que
esté disponible.
 Este tipo de sistema no
debe ser confundido con
aquéllos en los que se
forma una línea de espera
frente a cada servidor,
como en las tiendas de
autoservicio.
 Supóngase que el tiempo de llegada es dado mediante una
distribución Poisson con parámetro λ = 0.20. Esto implica que
llega un nuevo paciente cada 5 minutos en promedio, ya que
tiempo medio de llegada U = 1/λ = 1/0.20 = 5
 Supóngase también que los servidores son idénticos y que el
tiempo de servicio es dado por una distribución exponencial
con parámetro μ = 0.125. Esto implica que el tiempo medio
de servicio es de 8 minutos, ya que el tiempo de servicio
medio de un servidor 1/ μ = 1/0.125 = 8
 Adviértase que, si hubiera sólo un servidor, la línea de espera
crecería sin límite, ya que λ > μ. Pero, para una línea de
espera con servidor múltiple, existirá un estado estacionario
en tanto que λ < μ*s, donde s es el número de servidores.
 Por ejemplo, si hay dos servidores, 0.20 < 2(0.125), o sea
0.20 < 0.25
P O , P J , E(L), E(W) Y E(T).
E JEMPLO 6.8.
Suponga que en un banco hay dos cajeros que atienden a
sus clientes mediante una fila única. Suponga que las
llegadas siguen una distribución de Poisson con A = 0.20
clientes por minuto y que los tiempos de servicio (o tiempo
de atención) siguen una distribución exponencial negativa
con μ = 0.125 por minuto por cajero. Halle la probabilidad
de que no hayan clientes en la fila, la utilidad del sistema, la
longitud promedio de la fila, el tiempo promedio de espera
en la fila, el tiempo promedio de estadía en el sistema y las
probabilidades de estado estacionario de que 0, 1 o 2
servidores estén ocupados.
¿Cuál debería ser la velocidad de atención de los servidores
para lograr que el tiempo de estadía en el sistema sea 15
minutos?
Clientes Servidores
Una caseta de peaje en una

carretera interestatal.
Un servicio de ambulancias.
Un muelle de descargue de
barcos.
Un equipo secretarial de
mecanógrafas.
Una tripulación de una línea de vuelo de la fuerza aérea estima
durante un período de alerta que pueden prestar servicio aéreo a
la tasa de un avión cada 6 minutos. Durante un período de alerta
de 24 horas se estima que cada hora aterrizarán siete aviones. La
tripulación opera come un equipo simultáneamente en cada
avión. Suponga aterrizajes de Poisson y una tasa de servicio
exponencial. Encuentre:
 Utilización de cada una de las tripulaciones de la línea de vuelo.
 Número promedio de aviones que esperan servicio.
 Tiempo promedio que un avión está esperando servicio.
 El tiempo total que un avión gasta en el sistema (tiempo de

espera + tiempo de servicio).
Un centro de recepción de emergencia de un hospital de
una gran ciudad tiene una tasa esperada de llegada de cinco
casos por hora (Poisson). La estadística pasada muestra que
los tiempos de servicio son en promedio de seis por hora
(exponencial).
 ¿Cuántos casos están esperando, en promedio, la atención de
un médico?.
 ¿Cuál es el tiempo promedio de espera en el centro hasta que

un médico atiende una llegada?.
 ¿ Cuál es el número promedio de casos que se tratan?.

Durante la hora "pico" entre 7 A.M. y 8:30 A.M., la llegada
de clientes a un restaurante de autoservicio se puede
caracterizar por una distribución de Poisson, en donde la
tasa promedia de llegada es de cinco clientes por períodos
de 6 minutos. Si el tiempo promedio de servicio es 0.5
minutos, ¿cuál es la probabilidad de que menos de cuatro
clientes estén esperando?
FNCB de Harrisburgh planea operar una sucursal bancaria
para servicio de automovilistas (de un solo servidor) en un
centro comercial suburbano. Las estadísticas indican que los
clientes llegan en promedio a una tasa de 20 por hora
(Poisson). También, se estima que se necesitan en promedio
2 minutos para atender un cliente (exponencial).
 ¿Qué fracción de tiempo estará vacía la sucursal?
 ¿Cuál es el tiempo promedio de espera de un cliente?

C APITULO 7.
S IMULACIÓN .
G ENERALIDADES
 Simulación se refiere a la construcción de un modelo
abstracto que representa algún sistema de la vida
real, con la subsiguiente descripción a través del
tiempo, por medio de una serie de ecuaciones y
relaciones
 Es una técnica ampliamente utilizada para el análisis y
estudio de sistemas complejos.
 Un sistema es complejo cuando no puede ser
resuelto (soluciones óptimas) a través de métodos
analíticos.
 La mayor parte de los sistemas sistemas estocásticos
(funcionan por el azar) son sistemas complejos.
 Estos procesos se realizan a través de un programa de
computadora.
G ENERALIDADES
 En estos sistemas los métodos analíticos son inapropiados,
pues conducen a un número importante de suposiciones
(simplificación) que hacen que las soluciones óptimas
obtenidas, no se aproximen adecuadamente a la realidad.
 Por tanto, en sistemas complejos la forma de abordaje para

encontrar soluciones óptimas es la simulación.
 Un problema de los procesos de simulación es el costo

computacional. Sin embargo, en la actualidad:
 Se han desarrollado lenguajes con el propósito específico

de efectuar simulaciones.
 Existen importantes avances en las metodologías

aplicadas en la simulación.
D EFINICIÓN DE SIMULACIÓN
 La simulación es una técnica que imita el funcionamiento

de un sistema real que evoluciona con el tiempo.
 Un modelo de simulación presupone un conjunto de
hipótesis acerca del funcionamiento del sistema,
expresadas como relaciones matemáticas o lógicas entre
los objetos de interés.
 Un proceso de simulación implica ejecutar el modelo a
través del tiempo (computadora), para generar muestras
representativas de las medidas de rendimiento.
 A este respecto, la simulación puede considerarse como
un experimento de muestreo en un sistema real.
P RECISIÓN
 En modelos más analíticos se utiliza una series de
resultados (fórmulas) para encontrar valores óptimos
 En simulación la precisión de los resultados depende de:
 La exactitud del modelo empleado
 Las condiciones iniciales de la simulación
 La cantidad de puntos de muestreo obtenidos
 El tiempo de ejecución del modelo

V ENTAJAS
 Permite estudiar y experimentar en las complejas relaciones e
interacciones que existen y ocurren en el interior de un sistema real.
 Permite experimentar sobre un sistema que puede no existir en la

realidad y en este caso asiste a la decisión de construirlo o no.
 Se ahorra mucho tiempo y dinero y se evitan riesgos.
 Se logra independencia de la duración real del evento. Por ejemplo,

se puede simular procesos muy largos o muy cortos:
 Si simulásemos el sistema operativo de una computadora

notaríamos que la simulación tomaría fácilmente miles de veces
más tiempo que la operación real del sistema
 Para la simulación de un sistema económico, en el que se ha

estudiado eventos que ocurren una vez al año, es fácil realizar
una operación de cien años en unos cuantos minutos de
cálculo.
V ENTAJAS
 Se puede estudiar como reacciona el sistema al
introducir variantes, sin correr riesgos (estudio de
sensibilidad)
 La teoría de simulación es relativamente sencilla.
 En general, los métodos de simulación son más

fáciles de aplicar que los métodos analíticos.
 Los modelos analíticos usualmente necesitan

muchas hipótesis de simplificación, mientras que los
modelos de simulación tienen pocas restricciones
(mayor flexibilidad)
P ROCESO DE ANÁLISIS
 Una vez creado el modelo, éste se utiliza

repetidamente para analizar políticas,
parámetros o el diseño en general
 Por ejemplo, en un negocio se pueden tener
varias políticas de inventario donde a través
de un modelo de simulación se estime cuál
es la mejor (en lugar de experimentar en la
realidad)
 La simulación no es una técnica de
optimización, es más utilizada para responder
preguntas del tipo ¿qué ocurriría si … ?
¡A C ONTINUACIÓN !
 Se pretende estudiar la técnica de
simulación a través de diferentes modelos
de simulación
 Se abordarán distintos temas y ejemplos:
 Números aleatorios
 Muestreo de Monte Carlo
 Lenguajes de simulación
 Hechos estadísticos en la simulación
D EFINICIÓN DE SISTEMA
 Un sistema es una colección de entidades

(objetos) que actúan e interactúan hacia la
consecución de algún fin lógico (Schmidt y
Taylor, 1970).
 En simulación la descripción exacta del
sistema, depende de los objetivos del
estudio.
 Lo que puede ser un sistema para un
estudio en particular puede ser sólo un
subconjunto del sistema general de otro.
E XPERIMENTACIÓN
 Para estudiar un sistema se debe poder experimentar
con él y ocurre que no se podrá experimentar con el
sistema real siempre que:
 El sistema no exista
(ej: redes en creación)
 La experimentación con el sistema sea muy cara
(ej: compra de equipo)
 La experimentación con el sistema es inapropiada
(ej: planificación de las actuaciones ante catástrofes
por parte de hospitales y policías)
¡Los sistemas se estudian con un modelo de los

mismos!
M ODELOS
 Es el cuerpo de información relativa a un sistema,
recabado con el fin de estudiarlo
 Un modelo es también una simplificación del sistema
 No existe un modelo único de un sistema, ya que
cada objeto de estudio establecido determinará la
naturaleza de la información a reunir
 La clasificación de los modelos se realiza según la
naturaleza del sistema a estudiar
T IPOS DE MODELOS
 Hay dos tipos de modelos de simulación:

estáticos y dinámicos
 Un modelo de simulación estático es una

representación de un sistema en un punto
particular en el tiempo
 Generalmente nos referimos a una
simulación estática como una simulación
de Monte Carlo
 Un modelo de simulación dinámico es una

representación de la forma en cómo un
sistema evoluciona con tiempo
T IPOS DE MODELOS
 En un modelo matemático (hay físicos), las entidades de un

sistema y sus atributos se representan mediante variables y las
actividades mediante funciones que interrelacionan las variables
 En un modelo matemático estático despliega las relaciones

entre los atributos del sistema cuando está en equilibrio, sin
mostrar la manera en que cambian los valores de los atributos
(no existen actividades)
 Un modelo matemático dinámico permite deducir los cambios

de los atributos del sistema en función del tiempo y
dependiendo de la complejidad del modelo, la deducción puede
hacerse con una solución analítica o por cálculo numérico
¡La simulación brinda soluciones numéricas que tienen en cuenta

los cambios producidos en el tiempo!
E STADO DE UN SISTEMA
 Los sistemas generalmente tienden a ser

dinámicos, esto lo que significa es que su
estado cambia con el tiempo
 Para describir este estado, utilizamos el
concepto de estado de un sistema
 El estado de un sistema es la colección de
variables necesarias (parámetros) utilizadas
para describir su estado en cualquier
momento dado
¡U N BANCO !
 El sistema se compone de servidores (cajeros)

y los clientes esperando en línea o siendo
servidos
 Como los clientes llegan o salen, cambia el

estado del sistema
VARIABLES DE ESTADO
 Las variables de estado describen los cambios en

el estado de un sistema
 Por ejemplo, en un banco:
 El número de servidores ocupados
 El número de clientes
 La hora de llegada del cliente al siguiente
 El tiempo de salida de los clientes en servicio
T IPOS DE SISTEMAS
 Los sistemas pueden ser clasificados en discretos y continuos
 Un sistema discreto es uno en el que las variables de estado

cambian sólo de forma discreta, es decir, en puntos contables
en el tiempo
 Un banco es un ejemplo de un sistema discreto, ya que las
variables de estado cambian sólo cuando llega un cliente o
cuando un cliente es servido y sale. Estos cambios tienen lugar en
puntos discretos en tiempo
 Un sistema es continuo cuando las variables de estado cambian

continuamente con el tiempo
 Un proceso químico es un ejemplo de un sistema continuo. Aquí,
el estado del sistema cambia continuamente con el tiempo. Estos
sistemas generalmente se modelan mediante el uso de
ecuaciones diferenciales
¡No estudiaremos sistemas continuos!

O BJETOS
 En un sistema, un objeto de interés se
denomina una entidad
 Las propiedades de una entidad son atributos
 Por ejemplo, los clientes de un banco pueden
ser descritos como las entidades y las
características de los clientes (como la
ocupación de un cliente) pueden ser sus
atributos
S IMULACIÓN DE SISTEMAS
 El enfoque analítico es superior al de la simulación en cuanto a

la exactitud de la resolución de un problema
 Pese a ello, muchos problemas son tan complejos que no se
pueden resolver analíticamente
 Sólo entonces se deberá recurrir a la simulación
 Se utiliza en áreas diversas, tales como:
 Construcción de prototipos de automóviles, aviones, armas de
guerra
 Medicina
 Procesos de producción
 Modelos econométricos
 Problemas logísticos
T IPOS DE SIMULACIÓN
 Dentro de los dos clasificaciones de modelos caben

dos tipos de simulación: determinista o estocástica
 Un modelo de simulación determinista es aquel que
no contiene variables aleatorias
 Un modelo estocástico contiene una o más variables
aleatorias
Modelación de sistemas
estocásticos representados por
¡Estudiaremos modelos de simulación variables de estado que cambian
estocásticos discretos! solo en puntos discretos en el
tiempo
S IMULACIÓN GRÁFICA
 Existe también la simulación

gráfica o icónica, la cual,
como su nombre indica, no
sólo está basada en un
modelo numérico
matemático
 Permite además, visualizar el
desarrollo de la simulación
E TAPAS EN EL PROCESO …
 Todo modelo posee características y necesidades distintas a ello,
existen algunos pasos básicos:
1) Formulación del problema

2) Plan de estudio (objetivos)
3) Formulación del modelo matemático

4) Construcción del programa en computadora para el
modelo
5) Validación del modelo
6) Diseño de experimentos
7) Ejecución de las corridas de simulación y análisis de resultados

FASES 1 Y 2
Un fracaso común en
los estudios de
simulación es
concentrarse
demasiado en estas
fases y extraer más
datos de los necesarios
o de los que pueden
validarse con los datos
disponibles
FASE 3
 Hay que establecer la estructura del modelo,
decidiendo cuales son los aspectos significativos del
problema en el comportamiento del sistema
 Hay que reunir los datos necesarios que
proporcionen parámetros correctos para el modelo
FASE 4
 Se puede contar con lenguajes específicos de simulación
que brindan al usuario no solamente el lenguaje en sí,
sino también un conjunto de conceptos de modelado
que se utilizan para describir el sistema, con
herramientas de generación de código a través de
esqueletos estándar
 Simulación Continua: 1130/CSMP, 360 CSMP y
DYNAMO
 Simulación a Eventos Discretos: GPSS,
SIMSCRIPT, SDL/SIM
FASE 5
 Requiere una gran cuota de
juicio y criterio común,
 Las hipótesis hechas al

establecer el modelo deben
comprobarse observando si
el modelo se comporta
como se esperó
FASE 6 Y 7
 Es el diseño y ejecución de un conjunto de
experimentos de acuerdo a las objetivos del estudio
 Una falla común es la obtención de una masa
abrumadora de resultados que se recaban sin plan
determinado
 Además, se deben interpretar los resultados
 Si el estudio ha sido bien planificado se habrá
planteado un conjunto bien definido de
preguntas y el análisis tratará de responderlas
M ÉTODOS DE SIMULACIÓN
 Regresión lineal,
 Simulación de un sistema de colas,
 Números aleatorios
 Números Pseudo-aleatorios.
 Modelos de Monte Carlo

R EGRESIÓN LINEAL SIMPLE
 Se dispone de una muestra:
 A través de esta muestra se desea estudiar la relación

existente entre las dos variables X e Y
M EDIDAS DE ASOCIACIÓN
 Se puede expresar el grado de asociación de las variables X y Y, mediante

algunos indicadores, que se verán a continuación:
 Covarianza entre las variables X y Y. Es una medida de la variación conjunta.

Se define como:
 Puede tomar valores positivos o negativos:
 Positivo: significa que ambas variables tienden a variar de la misma

forma, hay una asociación positiva
 Negativo: significa que si una aumenta, la otra tiende a disminuir, y

viceversa
 Covarianza cercana a cero indica que no hay asociación entre las variables
E JEMPLO 1
 Datos correspondientes a 20
empleados de un club de
salud de una empresa.
 X pulsaciones por minuto
en reposo
 Y tiempo en correr 1 milla
 Calcular la covarianza.
S OLUCIÓN
 La covarianza es 239,41
C OEFICIENTE DE CORRELACIÓN
LINEAL
 La covarianza tiene el inconveniente de que su valor no
es acotado, por lo que, a partir de él es difícil juzgar si
es grande o pequeña
 Se define la correlación, que es una medida de

asociación lineal independiente de las unidades de
medida como la covarianza dividida por las
desviaciones estándar:
C ORRELACIÓN LINEAL
 El valor de la correlación entre cualquier par de variables

es un número entre -1 y 1
 Un valor alto de correlación no indica que existe alguna

relación de causa-efecto entre las variables
 En nuestro ejemplo anterior:

C ORRELACIÓN LINEAL
R EGRESIÓN LINEAL SIMPLE
 Estableceremos un modelo para explicar la causa (Y) en

términos del efecto (X), del tipo siguiente:
 En el que a y b son dos cantidades fijas (parámetros del modelo)

y los ei son cantidades aleatorias que representan las diferencias
entre lo que postula el modelo a + bx y lo que realmente se
observa, y
 Por esa razón a los e los llamaremos errores o errores aleatorios
 Se asume que tienen valor esperado 0 y desviación estándar

común σ
E JEMPLO 2
 Venta de automóviles: se piensa
que si aumentan el porcentaje de
comisión pagada al vendedor de
automóviles, aumenta la venta
 Los siguientes datos se

obtuvieron de un estudio sobre
15 concesionarios similares
 X comisiones pagadas a
vendedores de autos en un mes
(%)
 Y ganancias netas por ventas, en

el mismo mes (Millones de $)
G RÁFICO DE DISPERSIÓN
¡Se aprecia una relación lineal entre las variables!

M ODELO DE REGRESIÓN
 Nuestro problema es estimar

los parámetros a, b y σ para
poder identificar el modelo
 Para estimar a y b se utiliza el

método de Mínimos cuadrados,
que consiste en encontrar
aquellos valores de a y de b que
hagan mínima la suma de los
cuadrados de las desviaciones
de las observaciones respecto
de la recta que representa el
modelo, en el sentido vertical
 En la figura, son los cuadrados de los

segmentos verticales cuya suma de
cuadrados se debe minimizar, para
determinar a y b
 Estos segmentos representan los errores e
del modelo
 b se llama pendiente de la recta que
representa los datos y a se llama
intercepción sobre el eje vertical
 La solución está dada por las siguientes

fórmulas:
C ONTINUACIÓN EJEMPLO 2
 Continuando con el ejemplo
anterior, calculamos los promedios
de ambas variables y se las
restamos a los valores
 Promedio de la X : 5.4
 Promedio de la Y : 16.1
 Desviaciones respecto de las

medias, sus cuadrados y
productos:
C ONTINUACIÓN EJEMPLO 2
 Representa una recta, cuyo intercepto con el

eje vertical es -0.96, y su pendiente es 3.18, o
sea, si el porcentaje de comisión X aumenta en
1%, la ganancia neta Y aumenta en 3.18
Millones de pesos
 Del modelo se obtienen estimaciones de ajuste

A JUSTES
Se puede observar que el

promedio de los valores
ajustados es igual al
promedio de los valores
observados, y que el
promedio de las diferencias
es cero (buen ajuste)
C OEFICIENTE DE DETERMINACIÓN
 Es una medida de bondad de ajuste del modelos de

regresión lineal a los datos
 Es deseable que los valores de Y ajustados al modelo,
sean lo más parecidos posible a los valores
observados
 Una medida de lo parecido que son, es el coeficiente
de correlación
 Se define el coeficiente de determinación, R^2, como
el cuadrado del coeficiente de correlación entre los
valores de Y observados y los valores de Y ajustados
C OEFICIENTE DE DETERMINACIÓN
 Se puede demostrar que es igual a la siguiente

expresión:
 El rango de R^2 es entre 0, cero ajuste, hasta 1, ajuste

perfecto (cuando los puntos aparecen en un línea
recta)
 En el ejemplo anterior este coeficiente es: 0.82
E JEMPLO 3
Los datos siguientes
corresponde al índice de
Producción Física de la
Industria
Manufacturera, por
agrupación, de los
meses de mayo de 2002
y mayo de 2003,
entregado por el
Instituto Nacional de
Estadísticas. Es un índice
cuya base 100 es el
promedio de
producción de cada
agrupación, en el año
1989
G RÁFICO DE DISPERSIÓN
C ÁLCULOS
B ONDAD DE AJUSTE
 Que indica un muy buen ajuste. El siguiente gráfico

muestra de recta de regresión estimada:
S IMULACIÓN DE EVENTOS
DISCRETOS
 Se aplica en sistemas discretos, donde el interés primario
está en los eventos, siendo las ecuaciones que los
describen ecuaciones lógicas (no diferenciales) que
expresan las condiciones para que ocurra un evento.
 La simulación consiste en seguir los cambios en el estado

del sistema producidos por la sucesión de eventos.
 Un evento describe la ocurrencia de un cambio en un

instante de tiempo y por lo tanto puede provocar un
cambio en el valor de algún atributo de una entidad, lo
cual requiere la construcción de un programa que permita
seguir la secuencia de eventos.
S IMULACIÓN DE EVENTOS
DISCRETOS
 Todo lo que provoque cambios en el sistema se conocerá
como actividad del mismo
 Por tanto, el término estado del sistema indica una

descripción de todas las entidades, atributos y actividades
según su existencia en algún instante del tiempo
 El progreso o desarrollo en el tiempo del sistema se

estudia siguiendo sus cambios de estado
 Es necesario llevar un registro del paso del tiempo, al que

llamamos tiempo de reloj
T IEMPO DE RELOJ
Es un número inicializado en 0 al
comienzo de la simulación y que
va indicando cuantas unidades
de tiempo simulado han
transcurrido desde el comienzo
T IEMPO DE SIMULACIÓN
 Significa el tiempo del

reloj indicado.
 Se diferencia por tanto
del tiempo que ha
necesitado la
computadora para
realizar la simulación
(tiempo de cómputo).
 Es más, por lo general,
no existe una relación
directa entre ambos.
A CTUALIZAR EL TIEMPO
RELOJ
Existen dos métodos para actualizar el tiempo del
reloj, a los que llamamos mecanismos de control de
flujo de tiempo:
1. El reloj avanza a la hora en que debe ocurrir el
siguiente evento, conocido como mecanismo
orientado al evento.
2. El reloj avanza en intervalos pequeños
(generalmente uniformes) y en cada intervalo se
determina si debe ocurrir un evento o no, llamado
mecanismo orientado a intervalos, usado
normalmente en simulación continua.
S IMULACIÓN DE UN SISTEMA DE
COLAS
 Suponga un sistema de colas constituido por una única
fila un servidor
 Los clientes llegan a este sistema a partir de una

determinada población y entran en servicio
inmediatamente si el servidor está inactivo o se unen a
la línea de espera (cola) si el servidor está ocupado
 En el capítulo anterior vimos un modelo analítico para

resolver este problema, bajo ciertas restricciones
(llegadas de Poisson y tiempos de salida exponenciales)
S IMULACIÓN DE UN SISTEMA DE
COLAS
 Estas suposiciones no son siempre ajustables a cualquier sistema de
colas de un servidor
 Por ejemplo, las llegadas pueden verse afectadas por factores

externos, piense en un aeropuerto donde los clientes llegan
dependiendo de conexiones o autobuses
 Con simulación cualquier distribución puede ser usada
 Asumiremos en este caso que:
 La población es infinita
 Hay una ilimitada capacidad en la sala de espera
 La disciplina de la cola es FIFO
 La llegadas ocurren uno a uno de forma aleatoria
 Los tiempos de servicio son aleatorios

TABLA DE LLEGADAS
Distribución de tiempos entre llegadas

TABLA DE SERVICIO
Distribución de tiempos entre servicios

VARIABLES DE ESTADO
 El número de clientes en el sistema

 El estado del servidor, es decir, si el
servidor está ocupado o inactivo
 El momento de la próxima llegada
¡Cada vez que cambia una variable cambia el estado del modelo!
E VENTOS
 En estrecha relación con el estado del sistema está el
concepto de un evento
 Un evento es una situación que hace que el estado del

sistema cambie de forma instantánea
 En el modelo de colas que estamos estudiando, sólo hay

dos posibles eventos que pueden cambiar el estado del
sistema: una llegada y una salida
 En la simulación estos eventos son programados en un

momento del tiempo y se registran en una lista de
eventos
 En la lista además de los eventos se registra el tiempo

en el cuál estos ocurren (tiempo reloj)
S OBRE LA SIMULACIÓN
 Se inicia con un sistema vacío y arbitrariamente supones

que el primer evento es una llegada o arribo (tiempo reloj
= 0)
 Este arribo encuentra al servidor ocioso y entra a servicio

inmediatamente
 Luego, se programa el tiempo de salida del primer cliente,

esto se hace generando aleatoriamente un tiempo de
servicio mediante la distribución del tiempo de servicio y
dejando el tiempo de salida como: tiempo reloj actual +
tiempo de servicio generado
 Se programa un nuevo arribo dentro del sistema

generando aleatoriamente un tiempo de arribo y
dejando el tiempo de arribo como: : tiempo reloj actual
+ tiempo de llegada generado .
 Si por ejemplo hemos generado un tiempo de servicio

de 2, luego el tiempo de salida para el primer cliente
sería 2.
 De manera similar, si hemos generado un tiempo de

arribo de 1 minuto, la siguiente llegada será programa
en 1 minuto.
 Todo lo anterior se registra en una lista de eventos, para

saber cuál es el siguiente evento y su tiempo.
 Si el siguiente evento es un arribo, se moverá el tiempo

reloj hasta el tiempo de programación de la llegada y se
ejecutarán las acciones pertinentes del arribo.
 Si el siguiente evento es una salida, se moverá el tiempo

reloj hasta el tiempo de salida y se procede con la salida.
 Para una salida se chequea si la longitud de la línea de

espera es mayor que 0, si es así se remueve de la cola un
cliente y se inicia el servicio con él, actualizando el tiempo
de salida.
 Si nadie está esperando se deja el sistema en estado

ocioso.
 Se ha adelantado el reloj de la simulación al tiempo del próximo

acontecimiento, es decir, el siguiente evento en la lista de
eventos
 Se continua de esta forma, hasta que se cumpla alguna de las

condiciones de salida de recorrido
 Un tiempo de salida puede ser programado únicamente cuando

un cliente está esperando servicio (el sistema no está ocioso)
 En tales casos, la práctica habitual es programar una salida

simulada mediante el establecimiento de la hora de salida igual
a un número muy grade, por ejemplo 9999 (o más, si la hora del
reloj es probable que supere los 9999)
 El tiempo reloj se puede actualizar en saltos variables (grandes

o pequeños) o en unidades constantes (por ejemplo una unidad)
D IAGRAMA DE FLUJO DE LA
SIMULACIÓN
 Sistema de colas de un servidor
Notación:
TM = tiempo reloj de la simulación
IT = tiempo de llegada generado
ST= tiempo de servicio generado
AT = tiempo de programación del siguiente arribo
DT = tiempo de programación de la siguiente salida
SS = estado del servidor (1 = ocupado, 0 = ocioso)
WL = longitud de la línea de espera
MX = longitud (en unidad de tiempo) de la ejecución de la simulación
I NICIO
 Se inicializan todas las variables:

 TM = 0
 AT = 0
 DT = 9999 (debe ser más grande que MX)
 SS = 0
 WL = 0
 MX = longitud (en unidad de tiempo) de la ejecución
de la simulación
T IEMPOS DE LLEGADAS Y
SERVICIO .
L ISTA DE EVENTOS
S IMULACIÓN
 En este caso un arribo es indicado por AT < DT y una salida
es indicada por AT > DT
 En este punto AT = 0, por tanto el evento siguiente es una

llegada
 Se etiqueta el evento con un 1 y se actualiza el tiempo

reloj como el tiempo del evento 1, es decir, TM = 0
 Luego el cliente entra a servicio inmediatamente dado que

SS = 0
 Ahora SS = 1 y se genera un tiempo de servicio, para crear

el tiempo de salida del cliente
S IMULACIÓN
 De la tabla de tiempos de llegadas y servicio se
observa que el tiempo de servicio para el primer
cliente es 3, luego se actualiza el tiempo reloj como 3
 Se genera ahora un nuevo tiempo de arribo, usando:
AT =TM +IT
 Por consiguiente como IT = 2, AT = 2, es decir, el
segundo arribo tomará lugar en un tiempo reloj de 2
(el dato se registra en la lista de eventos)
 Se verifica si el tiempo reloj TM excede MX, si es así
se para el proceso, de lo contario se continúa.
S IMULACIÓN
 En el punto actual de la simulación AT = 2 y DT = 3 y el
evento 2, que corresponde a un arribo, se efectúa en el
tiempo 2, actualizamos el tiempo reloj como 2 y
continuamos
 El servidor está ocupado por tanto se pone al cliente en la
línea de espera actualizando WL como 1
 Se programa ahora el siguiente arribo, IT = 2 para la
llegada 3 cuando el tiempo reloj es igual a 4. Finaliza el
evento 2
 Ahora DT = 3 < AT = 4, por tanto, el próximo evento (el
tres) es una salida con tiempo reloj 3
 Se procesa la primera salida para el sistema, ahora el
servidor está ocioso
S IMULACIÓN
 Se chequea el estado de la línea de espera. Como WL = 1, hay un
cliente esperando
 Se remueve WL = 0 y se lleva el cliente al servidor generando ST

y dejando el tiempo de salida como
DT=TM+ST
 En la tabla, se observa para el cliente 2 que ST = 3. TN = 3, luego,

DT = 6
 Y así sucesivamente …
G ENERACIÓN DE NÚMEROS
ALEATORIOS
 La generación de valores de variables aleatorias tiene un
rol preponderante en el proceso de simulación
Por ejemplo, si  Para generar variables aleatorias es necesario contar con

un generador de un generador de números aleatorios
números
naturales del 1 al  Los números aleatorios tienen las siguientes características
5 nos entrega la
sucesión 1 2 3 4  Distribución uniforme: lo que significa que cualquier
5 1 2 3 4 5 ... la número que pertenezca al rango de interés debe tener la
misma es misma posibilidad de resultar seleccionado
uniforme pero
esta totalmente  No existe correlación serial: lo que significa que la aparición
correlacionada de un número no afecta de ninguna manera la posibilidad
de aparecer de otro número o de sí mismo
F ORMAS DE GENERACIÓN
 Se proponen tres formas diferentes para

generar números aleatorios:
1. Utilización de tablas de números aleatorios
2. Números generados en forma aleatoria
3. Números pseudoaleatorios
TABLAS
 Existen tablas de números
aleatorios, las cuales pueden
ser cargadas en la memoria de
la máquina
 Estas tablas se generan con

métodos aleatorios puros
como: ruletas, extracción de
números al azar, dados, entre
otros
 Tienen como desventajas que

pueden ocupar mucha
memoria y la sucesión de
números es finita
N ÚMEROS GENERADOS
ALEATORIAMENTE
 Tomando como base algún circuito o característica de la
máquina se generan números que son totalmente
aleatorios
 El método básicamente consiste en interrumpir un

proceso uniforme en forma aleatoria (que es
esencialmente lo que ocurre cuando la bola cae en un
casillero de la ruleta)
 Si se desea generar la misma secuencia de números más

de una vez, es necesario grabarla puesto que no hay
forma de asegurarse de obtener la misma secuencia
automáticamente
E JEMPLO 4
Programa que al ser interrumpido por el operador entrega
un número aleatorio entre 1 y 100
N ÚMEROS GENERADOS
PSEUDOALEATORIAMENTE
 Se llaman pseudoaleatorios porque se obtienen realizando
un conjunto de operaciones sobre el número generado antes
(recurrencia) por lo que no son realmente aleatorios
 Presenta la gran ventaja de ser un método muy veloz y

barato y la mayor desventaja es que son de período finito
 La secuencia de números generados debe cumplir con:
 Distribución uniforme
 Independencia (no correlacionados)
 Deben ser secuencias largas y sin huecos (densas)
 Algoritmos rápidos y que no ocupen mucha memoria

M ÉTODO DE CENTROS DE
CUADRADOS
 Este método fue planteado por Von Neumann en 1950
 Se basa en tomar un número elevarlo al cuadrado y tomar los
dígitos del centro como nuevo número, luego repetir el
procedimiento
 La desventaja es que la secuencia generada por lo general es corta

 El ejemplo anterior luego de 34 números degenera a 0; y si en lugar
de empezar con 2061 empezamos con 2500, se repite 2500 en la
primer iteración (y por lo tanto, en todas las restantes)
 Aún así si se toman números muy largos se puede llegar a
secuencias de 100,000 números diferentes
M ÉTODO CONGRUENCIA LINEAL
 Este método es el utilizado por excelencia y se basa en

la siguiente recurrencia:
 Y se puede demostrar por inducción que:
 Se desprende del ejemplo que en este método si se

repite un número, se repite toda la secuencia
M ÉTODO CONGRUENCIA LINEAL
 Presenta la ventaja de gastar poca memoria y ser muy rápido
 Además es muy fácil volver a generar la misma secuencia
guardando un solo número (la semilla Z0)
 La elección de las constantes A, C, M y la semilla Z0 impacta:
 La velocidad de generación
¡Existen test de
independencia y  El largo de la secuencia
uniformidad
que no
 En la práctica para aumentar la velocidad de cálculo se suele
tomar M=2^b
abordaremos!
 Si se toma Zi/M se generan números entre 0 y 1
 El largo del período de la secuencia siempre será menor o igual
aM
M ÉTODO DE M ONTE C ARLO
 Los primeros experimentos de simulación se realizaron en

el año 1940 en EEUU bajo el nombre de análisis Monte
Carlo
 Los pioneros fueron Von Neumann y Ulam que publicaron

un artículo intitulado "The Monte Carlo method" en 1949
 Las primeras aplicaciones realizadas fueron en el campo

bélico (2da guerra mundial) para el estudio de la bomba
atómica y las armas nucleares
 El método Monte Carlo es un método numérico de

simulación que permite resolver problemas matemáticos
mediante la simulación de variables aleatorias
P ROPIEDADES Y
CARACTERÍSTICAS
 Algoritmo de estructura muy sencilla:
 Se elabora primero un programa para la realización de una
prueba aleatoria (por ejemplo: escoger un punto aleatorio
en una superficie, y comprobar si ese punto pertenece o no
a una figura de la superficie)
 Esta prueba se repite N veces de modo que cada

experimento sea independiente de los restantes y se toma
la media de todos los resultados de los experimentos
 El error del valor obtenido es como regla proporcional a la

magnitud siendo la varianza (constante) y N
el número de pruebas. De esta forma, para disminuir el
error 10 veces deberemos aumentar N (volumen de
trabajo) 100 veces
P ROPIEDADES Y
CARACTERÍSTICAS
 Es de notar que es imposible alcanzar una elevada
exactitud, por eso el método Monte Carlo resulta
especialmente eficaz en la solución de problemas en los
que se necesita conocer los resultados con una exactitud
del 5% al 10%
 El método es aplicable en situaciones de diversa índole:
 Problemas aleatorios diversos (juegos de azar, llegadas de
clientes, etc)
 Problemas matemáticos determinísticos: cuando los
problemas determinísticos son imposibles de resolver
analíticamente o muy complicados se puede llegar a una
solución aproximada mediante el uso de un modelo
artificial cuyas funciones de distribución y densidad
satisfagan las relaciones funcionales del problema
determinístico
E JEMPLO 5
Calcular el área de un cuadrado de lado < 1
 Planteamos un experimento
aleatorio tal que colocamos una
tabla como en la figura.
 Y hacemos que alguien con los
ojos vendados tire dardos a la
tabla.
S OLUCIÓN
 Los dardos van a perforar la tabla en N puntos aleatorios
¿Cómo podemos estimar el área del cuadrado S a partir de
esos puntos?
 Nos fijamos cuántos puntos están dentro de S (sean N');

supongamos que N'=5, siendo N=40. Entonces la
estimación del área de S está dada por
N'/N=5/40=1/8=0,125, siendo el valor exacto en este
dibujo 0,3*0,3=0,09
 Nótese que el área buscada cumple la relación N'/N

(independiente de la forma del área incógnita) y que
cuanto mayor sea N más nos vamos a acercar a la relación
S/1
E JEMPLO 6
Calcular una aproximación del valor pi, mediante
el método Monte Carlo (este problema tiene
soluciones eficientes en forma analítica o
numérica)
 Tomamos un círculo de radio 1 centrado en el origen, sabemos que el área
del cuarto de círculo inscrito en el octante positivo es pi/4
 Sorteamos puntos en el octante positivo de lado 1 y lo hacemos obteniendo

dos valores, uno para x (abscisa) y otro para y (ordenada) cada vez, esto
resulta en un punto (x,y)
 Contamos cuántos puntos de los sorteados caen dentro del área del cuarto
de círculo (In) y cuántos fuera (Out), sabiendo que si x2+y2>1 el punto está
fuera, y si no, dentro
 El valor estimado del área que queremos hallar es In/(In+Out), y ese valor
será aproximadamente el de pi/4, por lo que pi será aproximadamente igual
a 4*
 In/(In+Out) (en este caso, N=In+Out)

Exposiciones Del Curso

Hochgeladen von

Dokumentinformationen

Originalbeschreibung:

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Exposiciones Del Curso

Hochgeladen von

Copyright:

Verfügbare Formate

I NDICE .

 Cap. 0. Presentación del Curso.

 Cap. 1. La naturaleza de la investigación de operaciones.

 Cap. 2. Mathematica como Herramienta de Programación.

 Cap. 3. Graphic Calculator Como Herramienta Para El Curso

 Cap. 4. Programación Lineal.

 Cap. 5. Modelos de Inventarios.

 Cap. 6. Teoría de Colas.

 Antología de Juan Félix Ávila.

 Presentaciones diseñadas por el docente.

Por la naturaleza del curso este NO posee examen

 Equipos multi e interdisciplinarios con conocimientos en

 I.O. := Es el método científico aplicado a la solución de

 La P.L. utiliza un modelo matemático para describir

Pinturas Avila posee una pequeña fábrica de pinturas para

Materia Exterior Interior Disponibilidad

 La demanda máxima de pintura para interiores está

 El precio al mayoreo por tonelada es $3 000 para la

 La compañía puede vender toda la pintura que

 x = toneladas de pintura para exteriores

 y = toneladas de pintura para interiores

x = toneladas de pintura  x + 2y ≤ 6 materia prima A.

 Determine los bordes o “picos” de la región que son los

La compañía Vidrios Ávila produce artículos de vidrio de alta

Uno de los productos propuestos (producto 1) es una puerta

Sin embargo, como ambos productos compiten por la

 La cantidad de horas que requiere cada unidad

 La ganancia (en cientos de dólares) por cada producto.

Esta información Capacidad

Ocupamos: Maximizar z = 3x1 + 5x2

Sujeto a las condiciones:

3x1 + 2x2 =< 18

x2 > =0 donde x1,2 son enteros.

Color 8; Expr vector (1, 1);

Color 8; Expr vector(1, 2 ); etc…..

Se deben agregar todos los puntos con

Supongamos que se dispone de determinadas piezas para la

Interesa decidir cuántas sillas y mesas fabricar de modo de

Sillas Mesas Disponibilidad

x > =0; y >= 0

Donde “x” y “y” son números enteros.

Un taller tiene tres (3) tipos de máquinas A, B y C; puede

Tipo de Prod. 1. Prod. 2. Horas Disponibles

Función Objetivo: Max: z = x + 1.5 y

Restricciones: 2x + 2y <= 16 x + 2y <= 12

Función Objetivo: Min: z = 80x + 60

Restricciones: 0,2x + 0,32y <0,25

Función Objetivo: Max: z = 120x + 80 y

Maximice la función Minimice la función

Con las Restricciones: Con las Restricciones:

x >= 0, y >= 0 x >= 0, y >= 0

 ¿Cuál será ese beneficio máximo?.

Un sastre tiene 80 m de tela de algodón y 120 m de tela de

Dichos ejemplos poseen la ventaja de ser solubles

En los casos donde se poseen más de dos variables, se

En estos casos el software Mathematica será nuestra

Como veremos en el futuro también nos podemos apoyar

Una institución financiera, Banco Brando, se encuentra en el

Tipo de préstamo Tasa de interés Probabilidad de incobrables

X2 Automóvil 0.130 0.07

X3 Casa 0.120 0.03

X4 Agrícola 0.125 0.05

 Para dar asistencia a la industria de la habitación en la