Portafolios de IO

UNIVERSIDAD TECNOLGICA DE PANAM FACULTAD DE INGENIERA INDUSTRIAL DEPARTAMENTO DE PRODUCCIN LICENCIATURA EN INGENIERA INDUSTRIAL INVESTIGACIN DE OPERACIONES
Estudiante: Joselyne Johany Nez Pitty
Cdula 4-762-918
Profesora: Rubiela de Quintero
Segundo Semestre
Ao 2013
PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES
16 de octubre de 2013
Plan de la Asignatura
UNIVERSIDAD TECNOLGICA DE PANAM

FACULTAD DE INGENIERA INDUSTRIAL
ASIGNATURA: COD. DE ASIG: CRDITOS: HORAS: ULTIMA REVISIN: COMISIN DE REVISIN: FUNDAMENTAL: CARRERA: AO: SEMESTRE: PRE-REQUISITO: INVESTIGACION DE OPERACIONES ( II ) 7230 4 4 AGOSTO DE 2011 ING. IZAEL URIETA NO LIC. INGENIERIA INDUSTRIAL LIC. ING. MECANICA INDUSTRIAL IV II INVESTIGACION DE OPERACIONES I
BREVE DESCRIPCIN: Este curso incorpora conocimientos de Introduccin a la Programacin dinmica. Programacin dinmica determinista. Modelos de optimizacin en la gestin de inventarios. Elementos de un modelo general de inventarios. Control de Inventarios. Optimizacin de los Modelos deterministas. Variaciones de los modelos deterministas. Modelos estocsticos de Inventario. Modelado de colas o lneas de espera. Proceso de Poisson. Introduccin y definiciones bsicas de teora de colas. Modelos clsicos de colas. Introduccin a la simulacin. Elementos necesarios para el proceso de simular. Simulacin de procesos. Aplicacin de la simulacin en la toma de decisiones. Modelado de
Inventarios. Teora de la decisin. Criterios de decisin. Decisin multicriterio. Modelos de Redes
OBJETIVO GENERAL: Introducir modelos de decisin basados en anlisis matemtico o simulacin, con el objetivo de tomar decisiones en situaciones de complejidad o incertidumbre, obteniendo los valores ptimos de las variables de decisin que intervienen en el modelo. Brindar Herramientas Cuantitativas para la Toma de Decisiones. Apoyar el proceso de Toma de Decisiones a travs de la Modelacin de problemas de aplicacin
METODOLOGA
Clases Dirigidas Solucin de Casos y Problemas en Clase Talleres en el laboratorio de computadoras para desarrollar aplicaciones a travs de
softwares de la especialidad.
Aprendizaje interactivo: se enviar con anticipacin material de lectura para evaluar la
comprensin del estudiante CONTENIDO: IPROGRAMACIN DINMICA DETERMINSTICA (10 Horas) 1. Introduccin 2. Algoritmo de la Programacin Dinmica 3. La Recursin de la Programacin dinmica a. Clculo hacia Adelante. b. Clculo hacia atrs. 4. Aplicaciones de Ejemplo. 5. Regla de mximos y mnimos para intervalos continuos.
II-
MODELOS DE INVENTARIOS DETERMINISTICOS (10 Horas) 1. Modelo General de Inventario a. Costos de un Sistema de Inventario 2. Modelos de Cantidad Econmica de Pedidos (EOQ) a. Modelos sin Dficit (Compra y Manufactura) b. Modelos con Dficit (Compra y Manufactura) 3. Descuento por Cantidad en Modelos EOQ a. Descuento Incremental b. Descuento Total 4. Modelo EOQ de Mltiples Artculos con Restricciones a. Limitaciones de Espacio, Capital y Nmero de Pedidos. 5. Modelo EOQ con Demanda Dinmica a. Compra de un artculo en N Periodos b. Programacin de la Produccin en N Periodos
III- MODELOS DE INVENTARIO PROBABILISTICOS (6 Horas) 1. Modelo de Revisin Continua a. Modelo probabilista de cantidad econmica de pedido (EOQ) Modelos con demanda discreta, normal y uniforme.
2. Modelos de un periodo a. Modelos con costo de preparacin y sin costo de preparacin b. El caso del vendedor de peridicos. 3. Modelos de Revisin Peridica 4. Clculo del punto de reorden y de las existencias de seguridad
IV- TEORIA DE COLAS. (6 Horas) 1. Descripcin de un sistema de colas.
2. El modelo bsico 3. Clasificacin de los modelos de colas a. Modelo de cola simple b. Modelo mltiple de colas 4. Notacin Kendall 5. Distribuciones de probabilidad a. Exponencial (markoviana) b. Degenerada (tiempos constantes) c. Erlang d. Otros Tipos de Distribucin.
V- SIMULACION.
(16 Horas)
1. Introduccin a la simulacin discreta 2. Simulacin Monte Carlo 3. Generacin de variables aleatorias 4. Simulacin con hoja de clculo a. Simulacin con complementos de hoja de clculo 5. Herramientas de simulacin (Flexsim, Arenas, ProModel, etc.) 6. Aplicaciones a. Lneas de espera b. Inventarios con demanda aleatoria.
VI TEORA DE LA DECISIN Y JUEGOS (6 Horas) 1. Introduccin a la Teora de la Decisin 2. Tablas de Decisin a. Toma de Decisin bajo Certidumbre
Proceso de Jerarqua Analtica (AHP) b. Toma de Decisin bajo Incertidumbre Reglas de Decisin (Criterio Wald, Maximax, Hurwicz, Savage y Laplace) c. Toma de Decisin bajo Riesgo Reglas de Decisin Criterio del Valor Esperado Otros Criterios: Mnima Varianza con media acotada, de la Dispersin, de la Media con varianza acotada y de la Probabilidad Mxima. 3. Teora de Juegos.
VII- - CADENAS DE MARKOV. 1. Procesos Estocsticos. a. Definicin de una Cadena de Markov. 2. Ecuaciones de Chapman-Kolmogorov. 3. Clasificacin de Estados en una Cadena de Markov. 4. Tiempos de Primera Pasada. 5. Propiedades a Largo Plazo. a. Probabilidades de Estado Estable. b. Costo Promedio Esperado por Unidad de Tiempo. 6. Estados Absorbentes. a. Formulacin de Problemas Fsicos
BIBLIOGRAFA: INTRODUCCIN A LA INVESTIGACIN DE OPERACIONES Frederick Hillier & Gerald Lieberman, Ed. McGraw Hill, 9na edicin METODOS Y MODELOS DE INVESTIGACIN DE OPERACIONES Vol. I Juan Prawda, Ed. Limusa, 1ra edicin INVESTIGACIN DE OPERACIONES Hamdy Taha, Ed. Prentice Hall, 7ma Edicin INVESTIGACIN DE OPERACIONES Aplicaciones y Algoritmos Wayne Winston, Ed. Thomson, 4ta edicin INVESTIGACIN DE OPERACIONES El Arte de la Toma de Decisiones Kamlesh Mathur & Daniel Solow, Ed. Prentice Hall, 1996 INVESTIGACIN DE OPERACIONES EN LA CIENCIA ADMINISTRATIVA Gould, Eppend & Schmidt Ed. Prentice Hall, 5ta. edicin METODOS CUANTITATIVOS PARA ADMINISTRACION Frederick S. Hillier & Mark S. Hillier & Gerald Lieberman, Ed. McGraw Hill, 2000 METODOS CUANTITATIVOS para los Negocios David Anderson & Dennis Sweeney & Thomas Williams, Ed. Thomson, 9 na edicin METODOS CUANTITATIVOS para los Negocios Barry Render & Ralph Stair & Michael Hanna, Ed. Prentice Hall, 9na edicin PROGRAMACION LINEAL Y FLUJO EN REDES M. Bazaraa & John Jarvis Ed. Limusa, 1992
EVALUACIN (SUGERIDA) Item a evaluar Parciales (3) Casos * Practicas, Tareas Proyecto Final( semestral) Porcentaje 45 15 10 35
Total
100 %
(*) Algunos Casos representan el uso de software aplicado. Tal como, Excel (Solver), Flexsim, QMS y dems software de la especialidad. Se recomienda al menos 4 sesiones de laboratorio de uso del software incluyendo un taller de evaluacin sumativa. Conocimientos Mnimos que deben tener los estudiantes al ingresar al curso: - Conocimientos bsicos de programacin de computadoras. - Maneja de Hojas de Clculo Electrnicas. - Conocimiento de modelacin de problemas. RECURSOS DIDCTICOS Se utilizarn como recursos didcticos: Bibliografa actualizada (libros y revistas). Estos se utilizarn como una forma de que el alumno adquiera habilidad para Sintetizar e integrar informaciones e ideas; como un medio para que conozcan distintas perspectivas y valoraciones en el rea de la Investigacin de Operaciones, y desarrollen una actitud de apertura hacia nuevas ideas, logrando as estimular el desarrollo de su lgica..
Software Flexsim, WinQSB, QMS, Solver de Excel, Equipamiento computacional del Laboratorio de Informtica y Consultas a INTERNET (plataforma Moodle). Estos se utilizarn como una manera de contribuir a que los alumnos adquieran habilidad para usar herramientas metodolgicas y tecnologa importantes en esta disciplina.
Pilotos, pizarrn, retroproyector y transparencias, PC y can multimedia, software PowerPoint para presentar los diferentes temas de la teora y para que los alumnos realicen sus exposiciones.
Mis metas con respecto a la asignatura

Espero aprender mucho de esta materia principalmente porque es una de las materias esenciales para ser un ingeniero y es lo que hace a un ingeniero ser como tal. La investigacin de operaciones, como su nombre lo dice, trata de investigar las operaciones para que, por medio de clculos matemticos, se tomen las mejores decisiones y obtener mejores resultados (ms ptimos). Como ingenieros industriales, debemos buscar la manera de minimizar nuestros recursos y obtener mejores resultados. En particular, a m me encanta ser buena en lo que hago, si hago algo me gusta hacerlo bien y si es posible ser la mejor en lo que hago. Como futura ingeniera industrial, a m me gustara aprender todo lo posible de esta materia para emplearlo tanto en mi vida (en la economa de mi hogar) como en el trabajo. Tengo muchos proyectos en mente en cuanto a lo laboral y creo que esta es una de las materias que me ayudarn a planificar mejor lo que voy a hacer visto desde el plano de las matemticos y me ayudar a tomar decisiones por lo que mi principal meta ser aprender, y aprender en serio.
Material de apoyo
Libros consultados: INVESTIGACIN DE OPERACIONES Hamdy Taha Ed. Prentice Hall, 7ma. Edicin Mtodos Cuantitativos de Render . Prentice Hall Videos instructivos en youtube http://www.youtube.com/watch?v=VNmPMHJxIy8 http://www.youtube.com/watch?v=KtRUeIxBsyY http://www.youtube.com/watch?v=jb3_zvj0w_c http://www.youtube.com/watch?v=j8YWiYgxNVM http://www.youtube.com/watch?v=QjIPpskMZe0
Material dado en Clases

MODELOS DETERMINSTICOS DE INVENTARIO
CUESTIONARIO DE INVENTARIO Nombre: Joselyne Nez Cdula: 4-762-918 1. Qu es inventario? Se considera inventario cualquier recurso almacenado que se utiliza apra satisfacer una necesidad actual o futura. La materia prima, los trabajos en proceso y los bienes terminados son ejemplos de inventario. 2. En qu consiste una poltica de inventario? Una poltica de inventario consiste en colocar y recibir en forma repetida pedidos (u rdenes) de determinados tamaos a intervalos de tiempo establecidos. 3. Cul es el objetivo de una poltica de inventario? El objetivo de una poltica de inventario es la de contestar las 2 siguientes preguntas: 1. Cunto pedir? 2. Cundo pedir? 4. Cules son los costos relacionados a un modelo de inventario? ( ) ( ) ( ( ) (
) )
5. En qu consiste un modelo de cantidad econmica de pedido? El modelo de cantidad econmica de pedido (EOQ) es una de las tcnicas ms antiguas y mejor conocidas del control de inventarios. Los primeros datos sobre su uso se remontan a un artculo de 1915 de Ford W. Harris. 6. Derive la frmula de la cantidad ptima de pedido
7. Cmo se calcula el ciclo de pedido?
Las caractersticas de la demanda para el modelo, permiten deducir el tiempo en el cual se presenta un ciclo de pedidos, el cual corresponde a aquel que transcurre desde el aprovisionamiento de inventario con una cantidad de pedido Q hasta que se agota completamente y es necesario volver a reaprovisionarlo en la misma cantidad. Esta variable est dada por:
En donde T representa el tiempo de ciclo de pedido, en fraccin de ao. 8. Cmo se calcula el nivel promedio de inventario? El nivel promedio de inventario es la mitad del nivel mximo, es decir, Q/2, donde Q es la cantidad de pedidos. 9. Cmo se calcula el tiempo efectivo de entrega, cuando el tiempo de entrega es menor que la longitud del ciclo? Donde, n es el entero mayor, no mayor que L es el tiempo de espera entre la colocacin y recepcin de pedido es el ciclo de pedido 10. Qu es un punto de reorden? El punto de reorden (ROP) es el nivel de inventario en el cual debe realizarse un pedido. El ROP se expresa como: ROP = (demanda por da)x(plazo de entrega de un pedido nuevo en das) ROP = (d)x(L)
Desarrolle el ejemplo 11.2-1 del Libro de Taha Se cambian las luces de Nen en el campus de la U de A a una tasa de 100 unidades diarias. Estas luces de nen se piden en forma peridica. Cuesta $100 iniciar una orden de compra. Se estima que una luz de nen en el almacn cuesta unos $0.02 diarios. El tiempo de entrega, entre la colocacin y la recepcin de un pedido es de 12 das. Determine la poltica ptima de inventario para pedir las luces de nen. De acuerdo con los datos de este problema, D = 100 unidades por da K = $100 por pedido h = $0.02 por unidad y por da L = 12 das As, ( )( )
La longitud del ciclo correspondiente es
Como el tiempo de entrega L=12 das es mayor que la longitud del ciclo debe calcular Le. La cantidad de ciclos incluidos en L es: ( )
(=10 das), se
( Entonces, Le = L-n Le =12-(1)(10) Le = 2 das
Entonces el punto de reorden se presenta cuando la cantidad de inventario baja a: Le D =2 x 100 = 200 luces de nen La poltica de inventario para pedir luces de nen es:
Pedir 1000 unidades cuando el inventario baja a 200 unidades El costo diario de inventario correspondiente a la poltica propuesta es: ( )
( )
( ) 11. Desarrolle problemas 1 y 2 de la pg. 433 de Taha del Conjunto de Problemas 11.2A Problema #1 En cada uno de los siguientes casos no se permiten faltantes y los tiempos de retraso entre la locacin y la recepcin de un pedido son 30 das. Determine la poltica ptima de inventario y el costo diario correspondiente. a. K = $100 h= $0.05 D=30 unidades diarias b. K = $50 h= $0.05 D=30 unidades diarias c. K = $100 h= $0.01 D=40 unidades diarias d. K = $100 h= $0.04 D=20 unidades diarias a. ( )( )
( Entonces, Le = L-n Le =30-(2)(11.55) Le = 6.90 das
Entonces el punto de reorden se presenta cuando la cantidad de inventario baja a: Le D =6.90 x 30 = 207 unidades La poltica de inventario para pedir luces de nen es: Pedir 346.41 unidades cuando el inventario baja a 207 unidades El costo diario de inventario correspondiente a la poltica propuesta es: ( )
( )
( ) b. ( )( )
Entonces el punto de reorden se presenta cuando la cantidad de inventario baja a: Le D =5.49 x 30 = 164.7 unidades La poltica de inventario para pedir luces de nen es: Pedir 244.95 unidades cuando el inventario baja a 164.7 unidades El costo diario de inventario correspondiente a la poltica propuesta es:
( ) ( ) ( ) c. ( )( )
Entonces el punto de reorden se presenta cuando la cantidad de inventario baja a: Le D =7.64 x 40 = 305.60 unidades La poltica de inventario para pedir luces de nen es: Pedir 894.43 unidades cuando el inventario baja a 305.60 unidades El costo diario de inventario correspondiente a la poltica propuesta es: ( )
( )
( )
d. ( )( )
Entonces el punto de reorden se presenta cuando la cantidad de inventario baja a: Le D =14.19 x 20 = 283.80 unidades La poltica de inventario para pedir luces de nen es: Pedir 316.23 unidades cuando el inventario baja a 283.80 unidades El costo diario de inventario correspondiente a la poltica propuesta es: ( )
( )
( )
Problema #2 Mc Burger pide una carne molida al comenzar cada semana, para cubrir la demanda semanal de 300lb. El costo fijo por pedido es de $20. Cuesta unos $0.03 por libra y por da refrigerar y almacenar la carne. a. Determinar el costo semanal inventario para poltica actual de pedidos b. Determine la poltica ptima de inventario que debera usar McBurger, suponiendo tiempo de entrega cero entre la colocacin y la recepcin de un pedido. c. Determine la diferencia de costos semanales entre las polticas actual y ptima de pedidos. a. ( )
( )
( ) b. ( )( )
( ) Le = 0 das
( )
Poltica: Pedir 239 lbs cuando el inventario baje a cero c. Diferencia de costo: $5.50 - $5.20 = $1.30
SISTEMAS DE COLAS ELEMENTOS DE UN MODELO DE COLAS En cada una de las siguientes situaciones, identifique al cliente y al servidor: Cliente 1 2 3 4 5 aviones pasajeros herramientas cartas Personas que se van a inscribir 6 7 8 casos caja autos Cortes legales Supermercado estacionamientos Servidor Aeropuerto Sitio de taxis Taller de maquinado Oficina postal Universidad
PAPEL DE LA DISTRIBUCIN EXPONENCIAL El tiempo entre llegadas a la oficina estatal de Hacienda es exponencial, con valor medio de 0.05 horas. La oficina abre a las 8:00A.M a. Escriba la distribucin exponencial que describe el tiempo entre llegadas f(t)=20e-20t,t<0.
b. Encuentre la probabilidad de que no lleguen clientes a la oficina alrededor de las 8:15 A.M P{t> } = e-0.20(0.25)= 0.0067
c. En este momento son las 8:35 A.M. el ultimo cliente lleg a la oficina a la 8:26Cul es la probabilidad de que el siguiente cliente llegue antes de las 8:38 A.M?de que no llegue alrededor de los 8:40 A.M?
P{t> } =1- e-0.20(0.05)= 0.63 P{t> } = e-0.20(0.083)= 0.19
d. Cul es el promedio de clientes que llegan entre 8.10 y 8.45 A.M NACIMIENTO PURO El tiempo entre llegadas en el restaurante L&J es exponencial con media de 5 minutos. El restaurante abre a las 11:00AM determine lo siguiente: a) La probabilidad de tener 10 llegadas en el restaurante alrededor de las 11:12 A.M dado que 8 clientes llegaron a las 11:05 A.M
( )
= 0.2417
b) La probabilidad de que un nuevo cliente llegue entre las 11:28 y las 11.33 A.M, si el ultimo cliente lleg a las 11:25 A.M c) ( )
( )
= 0.3679
MODELO DE MUERTE PURA Un taller mecnico se acaba de surtir de 10 partes de repuesto para la reparacin de una mquina. La reposicin de la existencia que regresa el nivel a 10 piezas ocurre cada 7 das. El tiempo entre fallas es exponencial con media de 1 da. Determine la probabilidad de la mquina permanezca descompuesta durante dos das porque no hay partes de repuestos disponibles.
MODELO DE COLAS GENERAL DE POISSON En el modelo de B&K del ejemplo 18.5-1, suponga que las tres cajas estn siempre abiertas y que la operacin est configurada de tal manera que el cliente vaya primero a la caja vaca. Determinar lo siguiente: a) La probabilidad de que las tres cajas estn en uso
La probabilidad de que las tres cajas estn en uso es de 0.4444
b) La probabilidad de que el cliente que llegue no tenga que esperar. La probabilidad de que el cliente no tenga que esperar es de 0.5556
MODELO DE UN SOLO SERVIDOR 2. Jhon Macko en la U de Ozark. Realiza trabajos peculiares para complementar sus ingresos. Las solicitudes para que realice un trabajo llegan cada 5 das, pero el tiempo etre solicitudes es exponencial. El tiempo para terminar un trabajo tambin es exponencial con media de 4 das. (M/M/1): (GD/ )
Cul es la probabilidad de que Jhon se quede sin trabajo?
= 0.8
Si Jhon gana aproximadamente $50 por trabajo, cul es su ingreso mensual promedio? $50/trabajo ($50)(0.25)(30 das)= $375.00
Si al final del semestre John decide subcontratar los trabajos pendientes a $40 cada uno, Cunto, en promedio, debe esperar que le paguen? Lq= wq = = = 3.2*$40 =$128
5- Un restaurante de comida rpida tiene una ventanilla para servicio en su auto. Los autos llegan segn una distribucin de Poisson a razn de dos cada 5 minutos. El espacio el espacio en frente de la ventanilla puede acomodar a la sumo 10 autos, incluso el que se est atendiendo. Los dems autos pueden esperar afuera de este espacio si es necesario. El tiempo de servicio por cliente es exponencial, con una media de 1.5 minutos. Determine lo siguiente: (M/M/1): (GD/ )
a) La probabilidad de que la ventanilla este ociosa
La probabilidad de que la ventanilla este ociosa es 0,403
b) La cantidad estimada de clientes que esperan ser atendidos Lq= 0.8845
c) El tiempo de espera hasta que un cliente llega a la ventanilla para hacer su pedido Wq= 2,21
d) La probabilidad de que la lnea de espera exceda la cantidad de 10 espacios. P{n>=11}= 0.0034
Conjunto de problemas 18.6C 5. Una cafetera puede acomodar un mximo de 50 personas. Los clientes llegan en una corriente Poisson a razn de 10 por hora y son atendidos (uno a la vez) a razn de 12 por hora. (M/M/1) : (GD/50/ ) a) Cul es la probabilidad de que un cliente que llegue no coma en la cafetera porque est llena?
P51=
= 0.0000152
b) Suponga que a tres clientes (con tiempos de llegada aleatorios) les gustara sentarse juntos Cul es la probabilidad de que se cumpla su deseo? (suponga que pueden hacerse arreglos para que se sienten juntos en cuanto haya tres sillas disponibles) P47= (P48+P49+P50) =(
( ) ( ) ( )
= 0.00006
MODELOS DE VARIOS SERVIDORES El centro de cmputo de la U de A esta equipado est con cuatro maxi computadoras idnticas. La cantidad de usuarios en cualquier momento es de 25. Cada usuario es capaz de enviar un trabajo desde una terminal cada 15 minutos es promedio, pero el tiempo real entre varios es exponencial. Los trabajadores que llegan automticamente se van a la primera computadora disponible. El tiempo de ejecucin por envi es exponencial con una media de 2 minutos. Calcule lo siguiente:
a) La probabilidad de que un trabajo no se ejecute de inmediato inmediatamente despus de enviarlo.
La probabilidad de que no se ejecute de inmediato es de 0.6577, >K b) El tiempo promedio hasta que los resultados de un trabajo se le devuelvan al usuario.
Ws= 0,0662 c) El promedio de trabajos en espera de ser ejecutados. Lq= 3.29 trabajos d) El porcentaje de tiempo que todo el centro de cmputo este ocioso.
P0= 0,0213 e) El promedio de computadoras ociosas. 4-(Lq-Ls)= 4-(3.29-6.62)= 0.67
Conjunto de problemas 18.6E 2. En la tienda de Eat&Gas funciona una estacin de gasolina de dos bombas. El carril que conduce a las bombas puede alojar cuando mucho 3 autos, excluyendo a los que se les est dando atencin. Los autos que llegan se van a otra parte si el carril est lleno. La distribucin de los autos que llegan es de Poisson con media de 20 por hora. El tiempo para llenar el tanque y pagar es exponencial con media de 6 minutos. Determine lo siguiente:
a) El porcentaje de autos que buscarn servicio en otra parte. Segn TORA
Debe ser la probabilidad de P5= 0.18182 b) el porcentaje de tiempo que una bomba est en uso. P1= 0.18182
c) La utilizacin en porcentaje de las dos bombas. d) La probabilidad de que un auto que llega no inicie el servicio de inmediato pero que encuentre un espacio vaci en el carril. (p2+p3+p3)= 0.18182+ 0.0182+0.0182=0.54546 f) La capacidad del carril que garantice que la probabilidad de que ambas bombas estn ociosas es de menos 0.05 o menos.

P0<=0.05
reemplazando en esta frmula obtenemos la siguiente tabla:
( N Pn 5 0.0909
( 6 0.0769
))-1, =1 7 0.0667 8 0.0588 9 0.0526 10 0.0476
Concluyendo entonces que la capacidad del carril ser de N>= 10 para que ambas bombas estn ociosas y se cumpla que la probabilidad sea menos de 0.05.
Programacin con metas

Variables de Holgura
Variables de diferencia (Logro de ms del objetivo de la utilidad) (Logro de menos del objetivo de la utilidad)
Ejemplo# 1 Una empresa produce 2 productos ( ), los 2 productos deben pasar por un proceso de
produccin que implica cableado elctrico y ensamble. Se requiere de 2 horas para cablear el producto 1 y 3 horas para el producto 2. En el rea de ensamble se requiere 6 y 5 horas respectivamente para cada producto. El producto 1 redita $ 7.00 y el producto 2 $ 6.00. La empresa se va a mudar a otro lugar durante el periodo de produccin y considera que un nivel de utilidad de 30 dlares ser satisfactorio durante el periodo de ajuste. Formule el problema como un problema de programacin con metas. Suponga que agregamos otras metas: 2. Utilizar por completo las horas en el departamento de cableado. 3. Evitar el tiempo extra en el departamento de ensamble. 4. Cumplir con un proveedor y producir por lo menos 7 unidades del producto 2. Desarrollo Meta1: 7 +6 + Meta2: 2 +3 + Meta3: 6 +5 + Meta4: + + + + =30 =12 =30 =7 (Metas de utilidad) (Uso del tiempo de cableado) (Evitar el tiempo extra) (Compromiso con el cliente)
En este caso las prioridades van en el mismo orden que fueron dadas En la FO hay que minimizar las desviaciones FO= Resuelto en QM
Al remplazar los valores obtenidos en QM de las variables: La primera meta no se cumple ya que nos da un resultado de 36 es decir que nos pasamos por 6 de utilidad. La segunda meta no cumple ya que nos da un resultado de 18 al remplazar y este se pasa por 6 horas. La tercera meta si cumple ya que nos da el mismo valor en la igualacin de 30. La cuarta meta no cumple debido a que nos da un resultado de 30 es decir que nos estamos pasando por 23 unidades del producto 2
Problemas en Clase Ejemplo# 1 Una empresa produce 2 productos ( ), los 2 productos deben pasar por un proceso de
produccin que implica cableado elctrico y ensamble. Se requiere de 2 horas para cablear el producto 1 y 3 horas para el producto 2. En el rea de ensamble se requiere 6 y 5 horas respectivamente para cada producto. El producto 1 redita $ 7.00 y el producto 2 $ 6.00. La empresa se va a mudar a otro lugar durante el periodo de produccin y considera que un nivel de utilidad de 30 dlares ser satisfactorio durante el periodo de ajuste. Formule el problema como un problema de programacin con metas. Suponga que agregamos otras metas: 2. Utilizar por completo las horas en el departamento de cableado. 3. Evitar el tiempo extra en el departamento de ensamble. 4. Cumplir con un proveedor y producir por lo menos 7 unidades del producto 2. Desarrollo Meta1: 7 +6 + Meta2: 2 +3 + Meta3: 6 +5 + Meta4: + + + + =30 =12 =30 =7 (Metas de utilidad) (Uso del tiempo de cableado) (Evitar el tiempo extra) (Compromiso con el cliente)
En este caso las prioridades van en el mismo orden que fueron dadas En la FO hay que minimizar las desviaciones FO=
Resuelto en QM
Problema# 2 (11.22) El director de campaa pretende utilizar 4 formas de publicidad (anuncios de TV, radio, pancartas y anuncios en peridicos). Los costos son $900 por cada anuncio de Tv, $500 por cada anuncio de radio, $600 por las pancartas y $180 por cada anuncio de peridico. La audiencia alcanzada por cada costo de anuncio ha sido estimada por 40,000 personas por cada anuncio de TV, 32,000 por cada anuncio de radio, 34,000 por cada pancarta y 17,000 por cada anuncio de peridico. El presupuesto mensual es de 16,000 dlares. Se han establecido y clasificado las siguientes metas: 1) El nmero de personas alcanzadas debe ser por lo menos 1, 500,000. 2) El presupuesto mensual de publicidad no deber ser excedido. 3) Juntos el nmero de anuncios de TV y radio debern ser por lo menos 6. 4) No debern ser utilizados ms de 10 anuncios de cualquier tipo de publicidad. Formule, resuelva e indique cules metas pueden ser alcanzadas por completo y cules no. Programacin por metas X1, X2, X3, X4 P1 40,000X1+32,000X2+34,000X3+17000X4+ P2 P3 P4 900X1+500X2+600X3+180X4+ X1+ X1 X2 X3 X2 + + + + = 1,500,00 = 16,000 =6 =10 =10 =10
X4 F.O. P1 P3
=10
Resolucin del problema mediante QM
Problema 11.24 Geraldine Shawhan es presidente de Shawhan File Works, una firma que fabrica dos tipos de archiveros metlicos. La demanda de su modelo de dos cajones es hasta de 600 archiveros por semana; la demanda del archivero de 3 cajones est limitada a 400 por semana. La capacidad semanal de operacin de Shawhan File Works es de 1300 horas y el archivero de 2 cajones requiere 1 hora para ser fabricado y el de 3 cajones requiere 2 horas. Cada modelo de 2 cajones que se vende, redita una utilidad de $10 y la utilidad del modelo grande es de $15. Shawhan estableci las siguientes metas en orden de importancia. 1. Alcanzar una utilidad semanal tan cerca de $11,000 como sea posible 2. Evitar la subutilizacin de la capacidad de produccin de la firma 3. Vender tantos archiveros de 2 y 3 cajones conforme la demanda lo indique Formule este problema como un problema de programacin por metas Programacin por metas P1 10X1 + 15X2 + P2 X1 + 2X2 + P3 X1 X2 F.O. + + = 11 000 = 1300 = 600 = 400
PROGRAMACIN DINMICA DETERMINSTICA

INTRODUCCIN A LA PROGRAMACIN DINMICA Una forma razonable y comnmente empleada de resolver un problema es definir o caracterizar su solucin en trminos de las soluciones de sub-problemas del mismo. Esta idea proporciona mtodos eficientes de solucin para problemas en los que los subproblemas son versiones ms pequeas del problema original. La programacin dinmica es til para resolver un problema donde se deben tomar una serie de decisiones interrelacionadas. La programacin dinmica encuentra la solucin ptima de un problema con n variable, descomponindolo en n etapas, siendo cada etapa un subproblema de una sola variable. Conviene resaltar que a diferencia de la programacin lineal, el modelado de problemas de programacin dinmica no sigue una forma estndar. As, para cada problema ser necesario especificar cada uno de los componentes que caracterizan un problema de programacin dinmica. La solucin de problemas mediante esta tcnica se basa en el llamado principio de optimalidad que establece la idea de que Dado el estado actual, la decisin ptima para cada una de las etapas restantes no tiene que depender de los estados ya alcanzados o de las decisiones tomadas previamente. Esta tcnica llega a una solucin trabajando hacia atrs, partiendo del final del problema hacia el principio, por lo que un problema enorme e inmanejable se convierte en una serie de problemas ms pequeos y manejables. La programacin dinmica se utiliza tanto en problemas lineales como no lineales. PROGRAMACIN DINMICA DETERMINSTICA En este tipo de programacin dinmica, el estado de la siguiente etapa est determinado por completo por el estado y la poltica de decisin de la etapa actual. El caso probabilstico es en el cual existe una distribucin de probabilidad del valor posible del siguiente estado. Se analizar posteriormente.
NATURALEZA RECURSIVA DE LA PROGRAMACIN DINMICA Los clculos de programacin dinmica se hacen en forma recursiva, ya que la solucin ptima de un sub-problema se usa como dato para el siguiente sub-problema. Para cuando se resuelve el ltimo sub-problema se obtiene la solucin ptima de todo el problema. La forma en la que se hacen los clculos recursivos depende de cmo se descomponga el problema original. En particular, los sub-problemas se vinculan normalmente mediante restricciones comunes. Al pasar de un sub-problema al siguiente se debe mantener la factibilidad de esas restricciones comunes. RECURSIN EN AVANCE Y EN REVERSA Se usa la recursin en avance, cuando los clculos se hacen de la primera etapa a la ltima etapa; y se usa la recursin en reversa, cuando los clculos se hacen de la ltima etapa a la primera etapa. Con las recursiones en avance y en reversa se obtiene la misma solucin. Aunque el procedimiento en avance parece ms lgico, en las publicaciones sobre programacin dinmica se usa la recursin en reversa. La razn de esta preferencia es que, en general, la recursin en reversa es ms eficiente desde el punto de vista computacional. ELEMENTOS DE UN PROBLEMA DE PROGRAMACIN DINMICA ETAPA (n) Es el perodo de tiempo, lugar, fase o situacin en donde se produce un cambio debido a una decisin (Xn). ESTADO (Sn) Muestra la situacin actual del sistema cuando nos encontramos en la etapa n. En la terminologa de la programacin dinmica, a Sn se le llama estado del sistema en la etapa n. De hecho, se considera que el estado del sistema en la etapa n es la informacin que enlaza, conecta o vincula las etapas, de tal modo que se puedan tomar las decisiones para las etapas restantes sin volver a examinar cmo se lleg a las decisiones de las etapas anteriores. Tambin se puede decir que por estado se quiere dar a entender la informacin que se necesita en cualquier etapa para tomar una decisin ptima.
VARIABLES DE DECISIN (Xn) Hacen referencia a toma de decisiones (o poltica de decisin) que se producen en una etapa y que produce un cambio en el estado actual del sistema.
FUNCIN RECURRENTE (Fn) Refleja el comportamiento del sistema en funcin de los estados y de las variables de decisin: F n (Sn, Xn). La recursin relaciona el costo o la contribucin ganada durante alguna etapa con el costo o la contribucin ganada en la etapa posterior de forma acumulativa.
CARACTERSTICAS DE UN PROBLEMA DE PROGRAMACIN DINMICA Para que un problema pueda ser resuelto con la tcnica de programacin dinmica, debe cumplir conciertas caractersticas: o El problema puede ser dividido en etapas, cada una de las cuales requiere de una poltica de decisin. Cada etapa se relaciona con una cierta cantidad de etapas. Cada etapa tiene cierto nmero de estados asociados con su inicio. La decisin ptima de cada etapa depende solo del estado actual y no de las decisiones anteriores. La decisin o poltica de decisin tomada en una etapa determina el modo en que el estado de la etapa actual se transforma en el estado de la etapa siguiente. Tipos de problemas que se pueden utilizar Ruta ms corta Volumen carga Mochila, Asignacin de recursos Asignacin de personal De inventarios
PROBLEMA 5. Un alumno debe seleccionar en total 10 cursos opcionales de cuatro departamentos distintos, y al menos un curso de cada departamento. Los 10 cursos se asignan a los 4 departamentos en una forma que maximiza el conocimiento. El alumno mide el conocimiento en una escala de 10 puntos, y llega a la tabla siguiente: Nmero de cursos Departamento I II III IV 1 25 20 40 10 2 50 70 60 20 3 60 90 80 30 4 80 100 100 40 5 100 100 100 50 6 100 100 100 60 >=7 100 100 100 70
Este problema tiene 4 etapas y 7 estados. Variables:
Restricciones:
Etapa 1 ( )
1 2 3 4 5 6 7
25 50 60 80 100 100 100
25 50 60 80 100 100 100
1 2 3 4 5 6 7
Etapa 2 ( )
2 3 4 5 6 7 8
45 70 80 100 120 120 120 95 120 130 150 170 170 115 140 150 170 190 125 150 160 180 125 150 160 125 150 125
45 95 120 140 150 170 190
1 2 2 3 2,3,4 2,3 3
Etapa 3 ( )
3 4 5 6 7 8 9 Etapa 4
85 135 160 180 190 210 230 105 155 180 200 210 230 175 175 200 220 230 145 195 220 240 145 195 220 145 195 145
85 135 175 180 200 220 240
1 1 3 1,2 2,3 3,4 4
4 5 6 7 8 9 10
95 145 185 190 20 230 250 105 175 195 200 220 240 115 165 205 210 230 125 175 215 220 135 185 225 145 195 155
95 145 185 195 210 230 250
1 1 1 2 1 1 1
Solucin optima:
PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES Ejemplo 10.3-1
Un barco de 4 toneladas se carga con uno o ms de tres artculos. La tabla siguiente muestra el peso unitario, , en toneladas, y el ingreso por unidad , en miles de dlares, para el artculo i. Cmo se debe cargar el barco para maximizar los ingresos totales? Artculo i 1 2 3 Como los pesos unitarios valores enteros. Etapa 3 f3(x3)= mx {14m3}, mx {m3} = 4/1= 4 14m3 X3 0 1 2 3 4 Etapa 2 f2(x2)= mx {47m2 + f3 ( -3 m2), mx {m2} = 4/3= 1 m3=0 0 0 0 0 0 m3=1 14 14 14 14 m3=2 28 28 28 m3=4 42 42 Solucin ptima f3(x3) m3 0 0 14 1 28 2 42 3 56 4
2 3 1 y el peso mximo W son enteros, el estado
31 47 14 slo debe tener
X2 0 1 2 3 4
47m2 + f3( -3 m2) m2=0 m2=1 0+0=0 0+14=14 0+28=28 0+42=42 47+0=47 0+56=56 47+14=61
Solucin ptima f2 (x2) m2 0 0 14 0 28 0 47 1 61 1
Etapa 1 f3(x3)= mx {31m1 + f2 ( -2 m1)}, mx {m2} = 4/2= 2 31m1 + f2( -2 m1) m1=1 31+0=31 31+14=45 31+28=59 Solucin ptima f1(x1) m1 0 0 14 0 31 1 47 0 62 2
X1 0 1 2 3 4
m1=0 0+0=0 0+14=14 0+28=28 0+47=47 0+61=61
m1=2 62+0=62
La solucin ptima se determina de la siguiente manera: X1=4; m1=2 X2 = X1-2m1 = 4-2 (2) X2=0; m2=0 X3=x2-3m2 =0-3 (0) X3=0; m3=0
PROBLEMA 5. Un alumno debe seleccionar en total 10 cursos opcionales de cuatro departamentos distintos, y al menos un curso de cada departamento. Los 10 cursos se asignan a los 4 departamentos en una forma que maximiza el conocimiento. El alumno mide el conocimiento en una escala de 10 puntos, y llega a la tabla siguiente: Nmero de cursos 4 5 80 100 100 100 100 100 40 50
Departamento I II III IV Variables:
1 25 20 40 10
2 50 70 60 20
3 60 90 80 30
6 100 100 100 60
>=7 100 100 100 70
Restricciones:
Etapa 1 ( ) 25 50 60 80 100 100 100
1 2 3 4 5 6 7
25 50 60 80 100 100 100
1 2 3 4 5 6 7
Etapa 2 ( ) 45 1 95 2 120 2 140 3 150 2,3,4 170 2,3 190 3
2 3 4 5 6 7 8 Etapa 3
45 70 80 100 120 120 120
95 120 130 150 170 170
115 140 150 170 190
125 150 160 180
125 150 160
125 150
125
3 4 5 6 7 8 9 Etapa 4
85 135 160 180 190 210 230
105 155 180 200 210 230
175 175 200 220 230
145 195 220 240
145 195 220
145 195
145
( ) 85 135 175 180 200 220 240
1 1 3 1,2 2,3 3,4 4
4 5 6 7 8 9 10
95 145 185 190 20 230 250
105 175 195 200 220 240
115 165 205 210 230
125 175 215 220
135 185 225
145 195
155
( ) 95 145 185 195 210 230 250
1 1 1 2 1 1 1
Solucin ptima:
PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES Ejemplo 10.3-2
Un contratista constructor estima que la fuerza de trabajo necesaria durante las prximas 5 semanas ser de 5,7,8,4 y 6 trabajadores, respectivamente. La mano de obra en exceso que se conserve le costar $300 por trabajador semanalmente, y la nueva contratacin en cualquier semana tendr un costo fijo de $400 ms $200 por trabajador y por semana. Los datos del problema en resumen como sigue: = 5, ( ( =7, =8, =4, ), ), =6 , i=1,2,,5 , i=1,2,,5 , se dan en cientos de dlares
)= 3( )= 4+2(
Las funciones de costo, Etapa 5 ( X4 4 5 6 Etapa 4 ( X3 8 Etapa 3 ( X2 7 8 Etapa 2 ( X1 5 6 7 8 =7) =6) (
)+ ( X5=6 3(0)+4+2(2)=8 3(0)+4+2(1)=6 3(0)+0 =0 ( )+
) f5(x4) 8 6 0
Solucin ptima X5 6 6 6 Solucin ptima f5(x4) X5 6 6
=4) X4=4 3(0)+0+8=8 =8) ( ( ) + f4(x3) X3=8 3(0)+4+2(1)+6=12 3(0)+0+6=6 )+ Solucin ptima f3(x2) 12 6 X3 8 8 ( )+ f5(x4) X4=5 X4=6 3(1)+0+6=9 3(2)+0+0=6
( )+ ( X2=7 3(0)+4+2(2)+12=20 3(0)+4+2(1)+12=18 3(0)+0 +12=12 3(0)+0 +12=12
) + f3(x2) X2=8 3(1)+4+2(3)+6=19 3(1)+4+2(2)+6=17 3(1)+4+2(1)+6=15 3(1)+0 +6=9
Solucin ptima f2(x1) x2 19 8 17 8 12 7 9 8
PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES Etapa 1 ( =5) ( X0 X1=5 0 3(0)+4+2(5)+19=33 )+ ( ) + f2(x1) X1=7 3(2)+4+2(7)+12=36
X1=6 3(1)+4+2(6)+17=36
X1=8 3(2)+4+2(8)+9=38
Solucin ptima f1(x0) x1 33 5
La solucin ptima: X0=0; X1=5; X2=8; X3=8; X4=6; X5=6
Practica 1 Investigacin de operaciones Problema en clase Una empresa produce 2 productos ( ), los 2 productos deben pasar por un proceso de produccin que implica cableado elctrico y ensamble. Se requiere de 2 horas para cablear el producto 1 y 3 horas para el producto 2. En el rea de ensamble se requiere 6 y 5 horas respectivamente para cada producto. El producto 1 redita $ 7.00 y el producto 2 $ 6.00. La empresa se va a mudar a otro lugar durante el periodo de produccin y considera que un nivel de utilidad de 30 dlares ser satisfactorio durante el periodo de ajuste. Formule el problema como un problema de programacin con metas. Suponga que agregamos otras metas: 2. Utilizar por completo las horas en el departamento de cableado. 3. Evitar el tiempo extra en el departamento de ensamble. 4. Cumplir con un proveedor y producir por lo menos 7 unidades del producto 2. Desarrollo Meta1: Meta2: Meta3: Meta4: 7 +6 + 2 +3 + 6 +5 + + + + + =30 =12 =30 =7 (Metas de utilidad) (Uso del tiempo de cableado) (Evitar el tiempo extra) (Compromiso con el cliente)
En este caso las prioridades van en el mismo orden que fueron dadas En la FO hay que minimizar las desviaciones FO=
Resuelto en QM
Problema 11.22 Render El director de campaa pretende utilizar 4 formas de publicidad (anuncios de TV, radio, pancartas y anuncios en peridicos). Los costos son $900 por cada anuncio de Tv, $500 por cada anuncio de radio, $600 por las pancartas y $180 por cada anuncio de peridico. La audiencia alcanzada por cada costo de anuncio ha sido estimada por 40,000 personas por cada anuncio de TV, 32,000 por cada anuncio de radio, 34,000 por cada pancarta y 17,000 por cada anuncio de peridico. El presupuesto mensual es de 16,000 dlares. Se han establecido y clasificado las siguientes metas: 1) El nmero de personas alcanzadas debe ser por lo menos 1, 500,000. 2) El presupuesto mensual de publicidad no deber ser excedido. 3) Juntos el nmero de anuncios de TV y radio debern ser por lo menos 6. 4) No debern ser utilizados ms de 10 anuncios de cualquier tipo de publicidad. Formule, resuelva e indique cules metas pueden ser alcanzadas por completo y cules no. Programacin por metas X1, X2, X3, X4 P1 40,000X1+32,000X2+34,000X3+17000X4+ P2 P3 P4 900X1+500X2+600X3+180X4+ X1+ X1 X2 X3 X4 F.O. P1 P3 X2 + + + + + = 1,500,00 = 16,000 =6 =10 =10 =10 =10
Resolucin QM
Al ver los resultados podemos concluir que hay 2 de 4 metas que se cumplen la uno y la dos. La meta 3 y 4 no se cumplen y vemos que es porque faltaran 5.2701 para la meta 2 y se excede en 76.86 la meta 4 y esto no es lo ideal ni lo propuesto.
Problema 11. 24 Render Problema 11.24 Geraldine Shawhan es presidente de Shawhan File Works, una firma que fabrica dos tipos de archiveros metlicos. La demanda de su modelo de dos cajones es hasta de 600 archiveros por semana; la demanda del archivero de 3 cajones est limitada a 400 por semana. La capacidad semanal de operacin de Shawhan File Works es de 1300 horas y el archivero de 2 cajones requiere 1 hora para ser fabricado y el de 3 cajones requiere 2 horas. Cada modelo de 2 cajones que se vende, redita una utilidad de $10 y la utilidad del modelo grande es de $15. Shawhan estableci las siguientes metas en orden de importancia. 1. Alcanzar una utilidad semanal tan cerca de $11,000 como sea posible 2. Evitar la subutilizacin de la capacidad de produccin de la firma 3. Vender tantos archiveros de 2 y 3 cajones conforme la demanda lo indique Formule este problema como un problema de programacin por metas Programacin por metas P1 10X1 + 15X2 + P2 X1 + 2X2 + P3 X1 X2 + + = 11 000 = 1300 = 600 = 400 F.O.
Formulacin en QM
Tabla solucin
Los resultados muestran que se cumplen con las 4 metas propuestas, sin embargo hay una deficiencia de 100 en la meta 2 pero la exigencia era igual o por debajo del valor asi que no estamos violando la meta a cumplir.
Problemas 8.2 A 1. Formule el problema fiscal de Fairville, suponiendo que el concejo municipal especifique una meta ms, G5, que requiera que el impuesto sobre la gasolina sea igual por lo menos a 1% de la factura fiscal total. Solucin: Segn lo plantado ya tenamos 4 metas definidas, sin embargo para esta debemos anexar una quinta meta. Definiendo las variables: X1= impuesto predial X2=impuesto alimento y medicina X3= impuesto de ventas generales. X4= impuesto de gasolina La funcin objetivo es: Minimizar Z= Pd1-+Pd2-+Pd3-+Pd4++Pd5+
Sujeto a las restricciones: 550 X1 +35 X2 +55 X3 +.075 X4 16 55 X1 -31.5 X2 +5.5X3 +.0075 X4 0 110 X1 +7 X2-44X3 +.015 X4 0 X4 2 5.5 X1 +0.35 X2+0.55X3 -0.07425 X4 0 X1 , X2 ,X3 , X4 0
Estas restricciones se transforman en: 550 X1 +35 X2 +55 X3 +.075 X4 +d1--d1+ = 16 55 X1 -31.5 X2 +5.5X3 +.0075 X4+d2--d2+ = 0 110 X1 +7 X2- 44X3 +.015 X4+d3--d3+ = 0 X4+d4--d4+= 2 5.5 X1 +0.35 X2+0.55X3 -0.07425 X4 + d5--d5+ = 0 X1, X2 ,X3 , X4 0 Desarrollando en QM tenemos:
La tabla de solucin es:
Segn la tabla de solucin se cumplen 4 de las 5 metas propuestas, sin embargo la meta 5 que es la que no se cumple excede lo solicitada por 0.01 milln. 2. El Centro Comercial NW gestiona eventos especiales para atraer clientes potenciales. Entre los eventos que parecen atraer a los adolescentes, al grupo de jvenes de mediana edad y a los adultos mayores, los dos ms populares son los conciertos de bandas y las exposiciones de arte. Sus costos por presentacin son de $1500 y $3000, respectivamente. El presupuesto anual (estricto) total asignado a los dos eventos es de $15,000. El gerente del centro comercial estima la asistencia como sigue:
El gerente ha fijado metas mnimas de 1000, 1200 y 800 para la asistencia de adolescentes, personas de mediana edad y adultos mayores, en ese orden. Formule el problema como un modelo de programacin de metas. Solucin Definiendo las variables X1= concierto con orquesta X2=espectculos del arte Funcin objetivo: Minimizar Z= Pd1++Pd2-+Pd3 -+Pd4Sujeta a las restricciones: 1500 X1 +3000X2 15000 200 X1 1000 100X1 +400 X2 1200 250X2 800 X1, X2, X3, X4 0
Las restricciones se convierten en: 1500 X1 +3000X2 +d1--d1+ = 15000 200 X1 +d2--d2+ =1000 100 X1 +400X2+d3--d3+ = 1200 250X2+d4--d4+= 800 X1, X2 ,X3 , X4 0
Desarrollando en QM
Tabla de resultados
Segn los resultados la meta 4 no se cumplir ya que requerimos de 175 para cubrir la meta de los adultos mayores en la asistencia. Sin embargo la meta 3 tenemos valores de excedencia que compensa esta deficiencia en la 4. 3. La oficina de admisin de la Universidad de Ozark est recibiendo solicitudes de estudiantes de primer ao para el ao acadmico venidero. Las solicitudes caen dentro de tres categoras: estudiantes del estado, de fuera del estado, e internacionales. Las relaciones hombres-mujeres de los solicitantes del estado y de fuera del estado son 1:1 y 3:2; para estudiantes internacionales, la relacin correspondiente es de 8:1. La calificacin en el Examen de Universidades Americanas (ACT, por sus siglas en ingls) es un importante factor en la aceptacin de nuevos estudiantes. Las estadsticas recopiladas por la universidad indican que las calificaciones promedio de estudiantes del estado, fuera del estado e internacionales, son de 27, 26 y 23, respectivamente. El comit de admisiones ha establecido las siguientes metas deseables para la nueva clase de primer ao: (a) Que la clase que empieza sea por lo menos de 1200 estudiantes. (b) Que la calificacin promedio de todos los solicitantes sea por lo menos de 25. (c) Que los estudiantes internacionales constituyan por lo menos 10% de la clase. (d) Que la relacin mujeres-hombres sea por lo menos de 1:1. (e) Que los estudiantes de fuera del estado comprendan por lo menos 20% de la clase. Formule el problema como un modelo de programacin de metas. Definiendo las variables X1= estudiantes de estado X2=estudiantes de otros estados X3= estudiantes internacionales
Funcin objetivo Minimizar Z= Pd1-+Pd2-+Pd3 -+Pd4 -+Pd5X1 + X2 +X3 1200 2X1 +X2 -2X3 0 -0.1X1 -0.1X2+0.9X3 0 2X2+7X3 0 -0.2X1 +0.8 X2-0.2X3 0 X1 , X2 ,X3 0
Estas restricciones se convierten en X1 + X2 +X3 +d1--d1+ = 1200 2X1 +X2 -2X3 +d2--d2+ = 0 -0.1X1 -0.1X2+0.9X3 +d3--d3+ = 0 2X2+7X3 +d4--d4+= 0 -0.2X1 +0.8 X2-0.2X3 + d5--d5+ = 0 X1, X2 ,X3 , X4 0 En QM
Solucin
Segn los resultados podemos ver que las 5 metas se cumplen, sin embargo hay unas metas que como la 2 y la 4 que exceden los valores que solicitamos, pero las indicaciones eran que por lo menos una cantidad as q podamos pasar ese valor. 4. Las granjas Circle K consumen 3 toneladas diarias de un alimento especial, el cual est constituido por una mezcla de piedra caliza (carbonato de calcio), maz y soya, y que debe satisfacer los siguientes requisitos nutricionales: Calcio. Al menos 0.8%, pero no ms de 1.2%. Protena. Por lo menos 22%. Fibra. A lo sumo 5%. La siguiente tabla muestra el contenido nutricional de los ingredientes alimenticios.
Formule el problema como un modelo de programacin de metas, y establezca su opinin con respecto a la aplicabilidad de la programacin de metas a esta situacin. Solucin Definiendo las variables X1= piedra caliza X2= maz X3= soya Funcin objetivo Minimizar Z= Pd1++Pd2X1+X2 +X3 6000 0.380 X1 +0.001 X2 +002 X3 48 0.380 X1 +0.001 X2 +002 X3 72 0.09 X2+0.5X3 1320 0.02 X2+0.08X3 300 X1 , X2 ,X3 0 +Pd3++Pd4-+Pd5-
Sujeta a:
Las restricciones se convierten en: X1 + X2 +X3 +d1--d1+ = 6000 0.380 X1 +0.001 X2 +002 X3 +d2--d2+ = 48 0.380 X1 +0.001 X2 +002 X3 +d3--d3+ = 72 0.09 X2+0.5X3+d4--d4+= 1320 0.02 X2+0.08X3 + d5--d5+ = 300 X1, X2 ,X3 0 En QM
Vemos que las 5 metas se cumplen y segn las cantidades de cada uno de los ingredientes hay dos metas que excedemos del valor, sin embargo no viola la meta porque nos solicitaban ms de ese valor base. 5. Mantel produce un carruaje de juguete, cuyo ensamble final debe incluir cuatro ruedas y dos asientos. La fbrica que produce las piezas trabaja tres turnos al da. La siguiente tabla proporciona las cantidades producidas de cada pieza en los tres turnos.
Idealmente, la cantidad de ruedas producidas es el doble de la de asientos. Sin embargo, como las tasas de produccin varan de turno a turno, el balance exacto en la produccin puede no ser posible. A Mantel le interesa determinar la cantidad de corridas de produccin en cada turno que minimice el desbalance en la produccin de las piezas. Las limitaciones de la capacidad restringen las corridas a entre 4 y 5 para el turno 1; 10 y 20 para el turno 2, y 3 y 5 para el turno 3. Formule el problema como un modelo de programacin de metas. Solucin Como deseamos minimizar el desbalanceo en la produccin, debemos buscar las partes que se producen en mayor o menor cantidad en los diferentes turnos: En el turno 1 se producen ruedas suficientes para 125 ensambles, sin embargo se producen asientos para 150 ensambles, por cual el desbalanceo es de 25 ensambles de ruedas que faltan, y como cada ensamble requiere tenemos que faltaran 100 ruedas en el turno 1. De forma anloga, sabemos que el turno 2 sobran 40 ruedas; y en el turno 3 sobran 80 ruedas. Definimos las variables: X1=corridas de ruedas turno 1 X2= corridas de ruedas turno 2 X3= corridas de ruedas turno 3
Funcin objetivo: Minimizar Z= Pd1-+Pd1+ Restricciones -100 X1 +40 X2 -80 X3 0 X1 4 X1 5 X2 10 X2 20 X3 3 X3 5 X1, X2 ,X3 , 0
Estas restricciones se convierten en -100 X1 +40 X2 -80 X3 +d1--d1+ = 0 Como la meta nica de la empresa es eliminara el desequilibrio entre la produccin de un turno y otro, a la nica restriccin que le agregamos las desviaciones de mas o de menos es a la primera. Adems por eso se minimiza en la funcin objetivo esas dos desviaciones porque necesitamos un numero estndar por turno que no est de ms ni de menos. En QM
Solucin
Con este resultado vemos que los valores que x toma en alguna de las restricciones no las cumple, sin embargo lo que las meta exiga era evitar las desviaciones de estos valores ya fuera hacia arriba o abajo, por lo cual deba ser un numero que mantuviera entre las corridas un valor preciso de juguetes realizados por turno. 6. Camyo Manufacturing produce cuatro piezas que requieren el uso de un torno y un taladro vertical. Las dos mquinas operan 10 horas al da. La siguiente tabla proporciona el tiempo en minutos que se requiere por pieza:
Se desea balancear las dos mquinas limitando la diferencia entre sus tiempos de operacin totales a lo sumo a 30 minutos. La demanda del mercado de cada pieza es de al menos 10
unidades. Adems, la cantidad de unidades de la pieza 1 no puede exceder la de la pieza 2. Formule el problema como un modelo de programacin de metas. Definimos las variables X1= parte 1 X2=parte 2 X3= parte 3 X4= parte 4 Funcin objetivo Minimizar Z= Pd1++Pd2+ Sujeto a las restricciones: 2 X1 +4 X2 +2X3 +3 X4 30 X1 10 X2 10 X3 10 X4 10 X1 - X2 0 Luego se transforman en X1 , X2 ,X3 , X4 0 2 X1 +4 X2 +2X3 +3 X4 +d1--d1+ = 30 X1 - X2 +d2--d2+ = 10 X1, X2 ,X3 , X4 0 En QM
Solucin
Vemos que la meta 1 no se cumple, sin embargo esta meta se excede asi que podemos decir que la meta fue mejor de lo que esperamos. 7. Se fabrican dos productos en dos mquinas secuenciales. La siguiente tabla da los tiempos de maquinado en minutos por unidad para los dos productos.
Las cuotas de produccin diarias para los dos productos son de 80 y 60 unidades. Cada mquina opera 8 horas al da, y si es necesario, aunque no deseable, puede utilizarse tiempo extra para satisfacer las cuotas de produccin. Formule el problema como un modelo de programacin de metas. Definiendo las variables: X1= producto A X2=producto B
Funcin objetivo Minimizar Z= Pd1-+Pd2-+Pd3++Pd4+ Restricciones: X1 80 X2 60 5 X1 +3X2 480 6 X1 +2X2 480 X1 , X2 , 0 X1+d1--d1+ = 16 X2+d2--d2+ = 0 5 X1 +3X2+d3d3+ = 480 Las restricciones se convierten en: 6 X1 +2X2 +d4--d4+= 480 X1, X2 0 En QM
Solucin
Vemos que las metas 3 y 4 no se cumplen, y al evaluar los valores de: X1 80 X2 60 En las restricciones de tiempo vemos que para la meta 3 el valor es 580 as que necesitamos 100 minutos mas para la maquina 1. Para la meta 4 al evaluar los valores vemos que el valor es 600 por cual necesitamos 120 minutos en la maquina 2 para cumplir con estas metas. 8. El hospital de Vista City planea la asignacin de camas sobrantes (las que no estn ya ocupadas) para estancias cortas, con 4 das de anticipacin. Durante el periodo de planificacin de 4 das, alrededor de 30,25 y 20 pacientes requerirn estancias de 1, 2 o 3 das, respectivamente. Las camas sobrantes durante el mismo periodo se estiman en 20, 30, 30 y 30, respectivamente. Aplique la programacin de metas para resolver el problema de sobre admisin y subadmisin en el hospital. Definiendo las variables X1= disponibilidad de camas da 1 X2= disponibilidad de camas da 2 X3= disponibilidad de camas da 3 X4= disponibilidad de camas da 4
Funcin objetivo Minimizar Z= Pd1++Pd2++Pd3+
Restricciones -10X1 + -10X2 + X3 + X4 30 X1 + X2 +X3 + X4 25 X1 + X2 + X3 + X4 20 X1 20 X3 24 X2 20 X4 30
X1 , X2 ,X3 , X4 0 Se convierten en X1 + X2 + X3 + X4 +d1--d1+ = 30 X1 + X2 + X3 + X4 +d2--d2+ = 25 X1 + X2 + X3 + X4 +d3--d3+ = 20 X1, X2 ,X3 , X4 0

En Qm
Los resultados son que las metas se cumplen y que al evaluar los valores las metas tienen excedencia.
Conjunto de Problemas 11.3B 1. Resuelva el ejemplo 11.3-1, suponiendo que los costos unitarios de produccin y almacenamiento son los de la siguiente tabla. Periodo i Costo Unitario en tiempo normal ($) Costo Unitario en tiempo extra ($) Costo unitario de almacenamiento ($) para el periodo i*1 1 2 3 4 5.00 3.00 4.00 1.00 7.50 4.50 6.00 1.50 0.10 0.15 0.12 0.20
Tabla 1 R1 O1 R2 O2 R3 O3 R4 O4 90 10
5.00 7.50
2
7.60
Exedente
30 100 60
3.00 4.50 4.00
120 80
6.00 1.00
110 50
1.50
20
Costo total: (90*5.00)+(10*7.50)+(30*7.69)+(100*3.00)+(60*4.50)+(10*7.75)+(120*4.00)+(80*6.00)+( 110*1.00)+(50*1.50)= $2545.50
2. Se fabrica un artculo para satisfacer la demanda conocida durante 4 periodos de acuerdo con los datos siguientes:
Costo de produccin unitario ($) durante el periodo Intervalo de produccin (Unidades) 1-3 4-11 12-15 16-25 Costo de retencin unitaria ($) Demanda Total (Unidades) 11 4 17 29 1 1 2 5 0.30 2 4 4 6 0.35 2 5 7 10 0.20 3 4 5 7 0.25 1 2 3 4
1
5.00
2
4.00
3
4.35
R1 R2 R3 R4
11 4
11 6
5.00
5.20
5 10
4.00
Costo Total= (11*5)+(4*4)+(11*4.35)+(6*5)+(14*5.85)+(5*5.20)+(10*4)=$ 296.75
CUESTIONARIO TEORIA DE COLAS 1. En qu consiste el modelo de teora de colas o el modelo de sistema de espera? El estudio de lneas de espera, llamada teora de colas, es una de las tcnicas de anlisis cuantitativo ms antiguas y que se utilizan con mayor frecuencia. Las lneas de espera son un suceso cotidiano, que afecta a las personas que van de compra a las tiendas de abarrotes, a cargar gasolina, a hacer depsitos bancarios, o bien, a quienes esperan en el telfono a que conteste la primera operadora disponible para hacer su reservacin en una aerolnea. La mayora de los problemas de lnea de espera se centran en la cuestin de encontrar el nivel ideal de servicio que debera proporcionar una empresa 2. Cules son los componentes o elementos de un modelo de colas? Los componentes de un modelo de colas son las llegadas, las instalaciones de servicio y la lnea de espera real 3. Cules son los costos relacionados a los modelos de lnea de espera o modelo de colas? Los costos relacionados al modelo de lnea son el costo total esperado que es igual al costo de dar el servicio de tiempo de espera del cliente 4. Qu papel juega la distribucin exponencial o Poisson en el modelo de cola? La distribucin de Poisson es utilizado en el modelo de colas para calcular el nmero de llegadas por unidad de tiempo (el patrn de llegadas) 5. En qu consisten los modelos de nacimientos puros o muertes puras? Dos situaciones del modelo de colas por el modelo de nacimiento puro en el cual solo ocurren llegadas, y el modelo de muerte pura en el cual slo ocurren salidas. Un ejemplo de nacimiento puro es la creacin de actas de nacimiento de bebs recin nacidos. EL modelo de muerte pura puede demostrarse por medio del retiro aleatorio de un artculo en existencia en una tienda. 6. En qu consiste el modelo generalizado de cola de Poisson? Cmo se define? El modelo generalizado de colas de Poisson combina tanto llegadas como salidas con base en la suposicin de Poisson, es decir los tiempos entre llegadas y los tiempos de servicio siguen la distribucin exponencial. El desarrollo de ste modelo se basa en el comportamiento a largo plazo o de estado estable de la situacin de colas, alcanzando despus de que el sistema ha estado en operacin durante un tiempo suficientemente largo. 7. En qu consiste el modelo de colas especializadas?
En el modelo de colas especializadas se selecciona un cliente de la cola para iniciar el servicio con el primer servidor disponible. La tasa de ll egadas al sistema es de clientes por unidad de tiempo. Todos los servidores paralelos son idnticos, es decir que la tasa de servicio de cualquier servidor es de clientes por unidad de tiempo. La cantidad de clientes en el sistema se define para incluir los que estn en el servicio y los que estn en cola. 8. Indique en qu consiste la notacin de Kendall La notacin de Kendall es un mtodo de clasificacin de sistemas de cola que se basa en la distribucin de llegadas, la distribucin de los tiempos de servicio y el nmero de canales de servicio. La notacin de Kendall bsica tiene 3 smbolos que tienen la siguiente forma: Distribucin de llegadas/Distribucin de tiempos de servicio/Nmero de canales de servicio abiertos Se utilizan 3 letras apra representar las distribuciones de probabilidad M= Distribucin de Poisson del nmero de ocurrencias (o tiempos exponenciales) D=Tasa constante (Determinstica) G= Distribucin general con media y varianza conocidas Una notacin cmoda para resumir las caractersticas de la cola es la que tiene el siguiente formato: (a/b/c) : (d/e/f) En donde a= distribucin de llegadas b= distribucin de salidas (o del tiempo de servicio) c= cantidad de servicio en paralelo (=1,2, , ) d= disciplina de la cola e= cantidad mxima (finita o infinita) admisible en el sistema (en la cola ms en servicio) f= tamao de la fuente (finito o infinito) 9. Cules son las medidas de desempeo o de eficiencia de un sistema de colas? Las medidas de desempeo, eficiencia o funcionamiento de una cola son: Ls = Cantidad esperada de clientes en el sistema Lq = Cantidad esperada de clientes en la cola Ws = Tiempo esperado de espera en el sistema Wq = Tiempo esperado de espera en la cola C = Cantidad esperada de servidores ocupados = tasa de utilizacin del sistema = tasa de llegada = tasa de servicios Recuerde que el sistema abarca tanto la cola como la instalacin de servicio Tasa de llegada debe ser menor que la tasa de servicio
SISTEMAS DE COLAS ELEMENTOS DE UN MODELO DE COLAS En cada una de las siguientes situaciones, identifique al cliente y al servidor: Cliente Servidor aviones Aeropuerto pasajeros Sitio de taxis herramientas Taller de maquinado cartas Oficina postal Personas que se van a Universidad inscribir casos Cortes legales caja Supermercado autos Estacionamientos
1 2 3 4 5 6 7 8
PAPEL DE LA DISTRIBUCIN EXPONENCIAL El tiempo entre llegadas a la oficina estatal de Hacienda es exponencial, con valor medio de 0.05 horas. La oficina abre a las 8:00A.M e. Escriba la distribucin exponencial que describe el tiempo entre llegadas f(t)=20e-20t,t<0. f. Encuentre la probabilidad de que no lleguen clientes a la oficina alrededor de las 8:15 A.M P{t> } = e-0.20(0.25)= 0.0067 g. En este momento son las 8:35 A.M. el ultimo cliente lleg a la oficina a la 8:26Cul es la probabilidad de que el siguiente cliente llegue antes de las 8:38 A.M?de que no llegue alrededor de los 8:40 A.M? P{t> } =1- e-0.20(0.05)= 0.63 P{t> } = e-0.20(0.083)= 0.19
h. Cul es el promedio de clientes que llegan entre 8.10 y 8.45 A.M
NACIMIENTO PURO El tiempo entre llegadas en el restaurante L&J es exponencial con media de 5 minutos. El restaurante abre a las 11:00AM determine lo siguiente: d) La probabilidad de tener 10 llegadas en el restaurante alrededor de las 11:12 A.M dado que 8 clientes llegaron a las 11:05 A.M
( )
= 0.2417
e) La probabilidad de que un nuevo cliente llegue entre las 11:28 y las 11.33 A.M, si el ultimo cliente lleg a las 11:25 A.M
f)
( )
= 0.3679
MODELO DE MUERTE PURA
Un taller mecnico se acaba de surtir de 10 partes de repuesto para la reparacin de una mquina. La reposicin de la existencia que regresa el nivel a 10 piezas ocurre cada 7 das. El tiempo entre fallas es exponencial con media de 1 da. Determine la probabilidad de la mquina permanezca descompuesta durante dos das porque no hay partes de repuestos disponibles. MODELO DE COLAS GENERAL DE POISSON En el modelo de B&K del ejemplo 18.5-1, suponga que las tres cajas estn siempre abiertas y que la operacin est configurada de tal manera que el cliente vaya primero a la caja vaca. Determinar lo siguiente: c) La probabilidad de que las tres cajas estn en uso
La probabilidad de que las tres cajas estn en uso es de 0.4444
d) La probabilidad de que el cliente que llegue no tenga que esperar. La probabilidad de que el cliente no tenga que esperar es de 0.5556 MODELO DE UN SOLO SERVIDOR
2. Jhon Macko en la U de Ozark. Realiza trabajos peculiares para complementar sus ingresos. Las solicitudes para que realice un trabajo llegan cada 5 das, pero el tiempo etre solicitudes es exponencial. El tiempo para terminar un trabajo tambin es exponencial con media de 4 das.
(M/M/1): (GD/
Cul es la probabilidad de que Jhon se quede sin trabajo? = = 0.8
Si Jhon gana aproximadamente $50 por trabajo, cul es su ingreso mensual promedio? $50/trabajo ($50)(0.25)(30 das)= $375.00 Si al final del semestre John decide subcontratar los trabajos pendientes a $40 cada uno, Cunto, en promedio, debe esperar que le paguen?
Lq= wq =
= 3.2*$40 =$128
5- Un restaurante de comida rpida tiene una ventanilla para servicio en su auto. Los autos llegan segn una distribucin de Poisson a razn de dos cada 5 minutos. El espacio el espacio en frente de la ventanilla puede acomodar a la sumo 10 autos, incluso el que se est atendiendo. Los dems autos pueden esperar afuera de este espacio si es necesario. El tiempo de servicio por cliente es exponencial, con una media de 1.5 minutos. Determine lo siguiente: (M/M/1): (GD/ )
e) La probabilidad de que la ventanilla este ociosa
La probabilidad de que la ventanilla este ociosa es 0,403 f) La cantidad estimada de clientes que esperan ser atendidos Lq= 0.8845 g) El tiempo de espera hasta que un cliente llega a la ventanilla para hacer su pedido Wq= 2,21 h) La probabilidad de que la lnea de espera exceda la cantidad de 10 espacios. P{n>=11}= 0.0034
Conjunto de problemas 18.6C 5. una cafetera puede acomodar un mximo de 50 personas. Los clientes llegan en una corriente Poisson a razn de 10 por hora y son atendidos (uno a la vez) a razn de 12 por hora. (M/M/1) : (GD/50/ ) c) Cul es la probabilidad de que un cliente que llegue no coma en la cafetera porque est llena?
P51=
= 0.0000152
d) Suponga que a tres clientes (con tiempos de llegada aleatorios) les gustara sentarse juntos Cul es la probabilidad de que se cumpla su deseo? (suponga
que pueden hacerse arreglos para que se sienten juntos en cuanto haya tres sillas disponibles) P47= (P48+P49+P50) =(
( ) ( ) ( )
= 0.00006
MODELOS DE VARIOS SERVIDORES El centro de cmputo de la U de A esta equipado est con cuatro maxi computadoras idnticas. La cantidad de usuarios en cualquier momento es de 25. Cada usuario es capaz de enviar un trabajo desde una terminal cada 15 minutos es promedio, pero el tiempo real entre varios es exponencial. Los trabajadores que llegan automticamente se van a la primera computadora disponible. El tiempo de ejecucin por envi es exponencial con una media de 2 minutos. Calcule lo siguiente:
g) La probabilidad de que un trabajo no se ejecute de inmediato inmediatamente despus de enviarlo.
La probabilidad de que no se ejecute de inmediato es de 0.6577, >K h) El tiempo promedio hasta que los resultados de un trabajo se le devuelvan al usuario. Ws= 0,0662 i) El promedio de trabajos en espera de ser ejecutados. Lq= 3.29 trabajos
j) El porcentaje de tiempo que todo el centro de cmputo este ocioso.
P0= 0,0213 k) El promedio de computadoras ociosas.

4-(Lq-Ls)= 4-(3.29-6.62)= 0.67
Conjunto de problemas 18.6E 2. En la tienda de Eat&Gas funciona una estacin de gasolina de dos bombas. El carril que conduce a las bombas puede alojar cuando mucho 3 autos, excluyendo a los que se les est dando atencin. Los autos que llegan se van a otra parte si el carril est lleno. La distribucin de los autos que llegan es de Poisson con media de 20 por hora. El tiempo para llenar el tanque y pagar es exponencial con media de 6 minutos. Determine lo siguiente:
d) El porcentaje de autos que buscarn servicio en otra parte. Segn TORA
Debe ser la probabilidad de P5= 0.18182 e) el porcentaje de tiempo que una bomba est en uso. f) La utilizacin en porcentaje de las dos bombas.
P1= 0.18182
d) La probabilidad de que un auto que llega no inicie el servicio de inmediato pero que encuentre un espacio vaci en el carril.
(p2+p3+p3)= 0.18182+ 0.0182+0.0182=0.54546

l) La capacidad del carril que garantice que la probabilidad de que ambas bombas estn ociosas es de menos 0.05 o menos. P0<=0.05
reemplazando en esta frmula obtenemos la siguiente tabla:
(
N Pn 5 0.0909 6 0.0769
(
7 0.0667
))-1, =1
8 0.0588 9 0.0526 10 0.0476
Concluyendo entonces que la capacidad del carril ser de N>= 10 para que ambas bombas estn ociosas y se cumpla que la probabilidad sea menos de 0.05.
Metalco va a contratar un tcnico en mantenimiento para un taller de 0 mquinas. Se estn considerando 2 candidatos. El primero puede realizar reparaciones a razn de 5 mquinas por hora y gana $15 por hora. El candidato 2 gana $20 ya que puede realizar reparaciones a razn de 8 mquinas por hora. Metalco estima que cada mquina descompuesta incurrir en un costo de $50 por hora a causa de la produccin perdida. Suponiendo que las maquinas se descomponen con una distribucin de Poisson con una media de 3 por hora y que el tiempo de reparacin es exponencial cul tcnico debe ser contratado? Candidato 1 Lamda= 3 mq/hora = 5 Sueldo= $15 Costo por prdida= $50 Candidato 2 Lamda= 3 mq/hora = 8 Sueldo= $20 Costo por prdida= $50
Candidato 1
Candidato 2
Segn los resultados arrojados por QM indica los siguientes costos: candidato 1= $813.34 y el candidato 2= $723. 44, es decir, que el candidato que se debe contratar es el candidato 2 ya que incurre en menos costos para Metalco.
B&K groceries va abrir una tienda que presumir de contar con lectores de barras de ultima generacin. El seor BIH uno de los propietarios de B&K a limitado las opciones a dos lectores: el lector A puede procesar 10 artculos por minutos, el lector B puede leer 15 artculos por minutos. El costo diario de operacin (10 horas) y mantenimiento de los lectores es de $25 y $35 respectivamente. Los clientes que terminan sus compras llegan a las cajas de acuerdo a una distribucin de Poisson a razn de 10 clientes por hora. Cada carrito lleva entre 25 y 35 artculos. Distribuidos de manera uniforme. El seor BIH estima que el costo promedio por cliente que espera es de 20 centavos por minuto. cul lector debe adquirir B&K?. (sugerencia: el tiempo de servicio por cliente no es exponencial, sino uniformemente distribuido). Lamda: 10 clientes/hora Detector A = 600 art/ hora Costo de mantenimiento= $2.50 Costo de espera= 0.20x60= $12 Lector A detector B = 900 art/ hora costo= $3.50
Lector B
Segn los datos obtenidos de QM al meter los datos los costos son: lector A= $23.00 y lector B= $15. En conclusin se escogera el lector B ya que sus costos son ms baratos.
AUTOEVALUACIN
Antes de aplicarse la autoevaluacin, remtase a los objetivos de aprendizaje al principio del captulo, a las notas en los mrgenes y al glosario al final del captulo Utilice las soluciones al final del libro para corregir sus respuestas Estudie nuevamente las pginas correspondientes a cualquier pregunta que conteste incorrectamente o al material con el cual se sienta inseguro
1. La simulacin es una tcnica que se reserva generalmente slo para el estudio de los problemas ms sencillos y ms claros a. Verdadero b. Falso 2. Un modelo de simulacin est diseado para llegar a una respuesta numrica y especfica para un problema determinado a. Verdadero b. Falso 3. El empleo de simulacin generalmente requiere estar familiarizado con las estadsticas para evaluar los resultados a. Verdadero b. Falso 4. Un modelo de simulacin de incremento de tiempo de evento de evento siguiente se justificara si la variable a investigar fuera a. La venta diaria de peridicos b. La cantidad de lluvia en un da especfica c. El tiempo promedio que en cliente pasa en espera en la cola d. El nmero de llamadas de emergencia al 911 en un da 5. El proceso de verificacin implica asegurarse de que a. El modelo representa adecuadamente el sistema real b. El modelo es internamente coherente y lgico c. Se utilizaron los nmeros aleatorios correctos d. Se simularon numerosas corridas de prueba 6. El proceso de validacin implica asegurarse de que a. El modelo representa adecuadamente el sistema prctico b. El modelo internamente es coherente y lgico c. Se utilizaron los nmeros aleatorios correctos d. Se simularon numerosas corridas de prueba
7. Cul de las siquientes es una ventaja de la simulacin? a. Permite la comprensin de tiempos b. Siempre es relativamente sencilla y de bajo precio c. Los resultados generalmente se pueden transferir a otros problemas d. Siempre se encontrar la solucin ptima a un problema 8. Cul de las siguientes es una desventaja de la simulacin? a. Es de bajo costo aun para los problemas ms complejos b. Siempre genera la solucin ptima a un problema c. Los resultados generalmente se pueden transferir a otros problemas d. Los administradores deben generar todas las condiciones y limitaciones de las soluciones que deseen examinar 9. Un meteorlogo simula el nmero de das que habr lluvia en un mes especfico. El intervalo de nmeros aleatorios desde 01 hasta 30 se utiliza para indicar que llover en un da especfico, y el intervalo 31-00 indica que la lluvia no ocurrir. Cul es la probabilidad de que llueva? a. 0.30 b. 0.31 c. 1.00 d. 0.70 10. Es mejor pensar en la simulacin como una tcnica que a. Proporciona respuestas numricas concretas b. Aumenta la comprensin de un problema c. Proporciona soluciones rpidas a problemas relativamente sencillos d. Proporciona soluciones rpidas a problemas relativamente sencillos 11. Se han desarrollado lenguajes especializados de cmputo que permiten simular inmediatamente tipos especficos de problemas a. Verdadero b. Falso 12. Al simular un experimento Monte Carlo, la demanda simulada promedio a largo plazo debera aproximarse a a. La demanda real b. La demanda esperada c. Un muestreo de demanda d. La demanda diaria
13. La idea que subyace a la simulacin es a. Imitar una situacin cotidiana b. Estudiar las propiedades y caractersticas de operacin de una situacin cotidiana c. Sacar conclusiones y tomar decisiones de accin con base en los resultados de la simulacin d. Todas las anteriores 14. El uso de una simulacin para un problema de colas sera apropiado si a. La tasa de llegadas adopta una distribucin de Poisson b. La tasa de servicio en constante c. Se supone una disciplina de cola FIFO d. Existe una posibilidad de 10% de que una llegada se retire antes de recibir el servicio 15. Los lenguajes de simulacin para propsitos especiales incluyen a. C++ b. BASIC c. GPSS d. Java e. Todas las anteriores 16. Se ha desarrollado una distribucin de probabilidad de dos llegadas dentro de la hora siguiente es de 0.20. Se debe asignar un intervalo de nmeros aleatorios a esta situacin. Cul de los siguientes no sera un intervalo apropiado? a. 01- 20 b. 21- 40 c. 00- 20 d. 00- 19 e. Todos los anteriores seran apropiados 17. En una simulacin de Monte Carlo, quiz se desee simular una variable como a. Plazo de entrega para que lleguen los pedidos de inventario b. Tiempo entre descomposturas de maquinaria c. Tiempo entre llegadas en una instalacin de servicio d. Nmero de empleados que se ausentan del trabajo cada da e. Todas las anteriores 18. Utilice los siguientes nmeros aleatorios para simular respuestas si y no a 10 preguntas con la primera lnea y considere que a. Los nmeros de 2 dgitos 00- 49 representan si y 50- 99 representan no
No si no no no si si si no si b. Los nmeros pares de dos dgitos representan si y los impares representan no Si si si si no si si no no no c. Los nmeros aleatorios 52 06 50 88 53 30 10 47 99 37 66 91 35 32 00 84 57 00
PREGUNTAS Y PROBLEMAS PARA ANLISIS

Preguntas para anlisis
1. Cules son las ventajas y limitaciones de los modelos de simulacin? VENTAJAS 1. Es un proceso relativamente eficiente y flexible. 2. Puede ser usada para analizar y sintetizar una compleja y extensa situacin real, pero no puede ser empleada para solucionar un modelo de anlisis cuantitativo convencional. 3. En algunos casos la simulacin es el nico mtodo disponible. 4. Los modelos de simulacin se estructuran y nos resuelve en general problemas trascendentes. 5. Los directivos requieren conocer cmo se avanza y que opciones son atractivas; el directivo con la ayuda del computador puede obtener varias opciones de decisin. 6. La simulacin no interfiere en sistemas del mundo real. 7. La simulacin permite estudiar los efectos interactivos de los componentes individuales o variables para determinar las ms importantes. 8. La simulacin permite la inclusin en complicaciones del mundo real. LIMITACIONES 1. Un buen modelo de simulacin puede resultar bastante costoso; a menudo el proceso es largo y complicado para desarrollar un modelo. 2. La simulacin no genera soluciones ptimas a problemas de anlisis cuantitativos, en tcnicas como cantidad econmica de pedido, programacin lineal o PERT / CPM / LPU. Por ensayo y error se producen diferentes resultados en repetidas corridas en el computador. 3. Los directivos generan todas las condiciones y restricciones para analizar las soluciones. El modelo de simulacin no produce respuestas por si mismo. 4. Cada modelo de simulacin es nico. Las soluciones e inferencias no son usualmente transferibles a otros problemas. 2. Por qu podra un gerente verse forzado a utilizar la simulacin en lugar de un modelo analtico al tratar con un problema de (a) la poltica de pedido de inventario Puede requerir simulacin si tiempo de espera y la demanda diaria no son constantes. Tambin es til si los datos no siguen la distribucin tradicional de probabilidad. (b) barcos que permanecen en un muelle para descargar Si las llegadas y descargas no siguen las distribuciones exponenciales de Poisson comunes a los problemas de gestin de colas, o si se violan otros supuestos del modelo de cola (por ejemplo, no se observ FIFO).
(c) ventanillas de cajeros de servicios bancarios Si las llegadas y tiempos de servicio no siguen distribuciones normales, o si existen varias lneas de espera, puede ser ms fcil de usar simulacin. (d) la economa de Estados Unidos Debido a que las ecuaciones y relaciones matemticas son demasiado complejas para resolver matemticamente y porque una solucin ptima puede no existir. 3. Qu tipos de problemas administrativos pueden resolverse ms fcilmente con el uso de tcnicas de anlisis cuantitativo en lugar de simulaciones? Problemas con las condiciones determinsticas pueden resolverse ms fcilmente por otras tcnicas de control de calidad. Los problemas que requieren respuestas rpidas que no pueden esperar para un modelo de simulacin que se construirn son una segunda categora. 4. Cules son los pasos ms importantes en el proceso de simulacin? Los pasos ms importantes en el proceso de simulacin son: definir un problema introducir variables importantes la construccin de modelo, especifique los valores para probar la simulacin conducta analizar los resultados seleccionar mejor plan 5. Qu es una simulacin Monte Carlo? Qu principios subyacen a su uso y cules pasos son seguidos en su aplicacin? La simulacin de Monte Carlo es aquella que se usa para generar valores de forma aleatoria a las variables del modelo bajo estudio. Sus principios son aquellos que se justifican por el gran nmeros de variables que tienen los sistemas cotidianos que se rigen de forma probabilstica como loo son demanda de inventario semanal, plazo de entrega semanal, tiempo de servicio, tiempo entre descomposturas, etc. Los pasos seguidos de su aplicacin son: establecer la distribucin de probabilidad (s), establecer probabilidades acumuladas establecer intervalos de nmeros aleatorios generar nmeros aleatorios simular ensayos
6. Presente 3 maneras en las que los nmeros aleatorios pudieran generarse para su uso en una simulacin Los nmeros aleatorios se pueden generar a travs de: los programas informticos como Excel tirando de los nmeros de una urna el uso de una tabla de nmeros aleatorios 7. Explique los conceptos de verificacin y validacin en una simulacin La validacin es el proceso de comparacin de un modelo con el sistema real que representa. La verificacin es el proceso de determinar que un modelo es internamente consistente y sigue la lgica del modelo conceptual. 8. Cundo es apropiado usar un modelo de simulacin en incrementos de tiempo de evento siguiente? Un modelo de incremento de tiempo de evento se debe utilizar cuando es necesario registrar la informacin cada vez que cambia el estado del sistema. Por ejemplo, si se desea determinar el tiempo promedio que un cliente espera en la cola, es necesario saber con precisin el tiempo que persona entra en la lnea y el momento en que sale de la persona fila. Esto no se puede lograr con un modelo de incremento de tiempo fijo. 9. En la simulacin de la poltica de pedidos de taladros Simkins Hardware, cambiaran los resultados (tabla 15.9) de manera significativa si se simulara un periodo ms largo? Por qu es vlida o invlida la simulacin en un periodo de 10 das?
Los resultados se cambiaran con mucha probabilidad, y quiz de manera significativa, si un perodo ms largo fue simulado. La simulacin de 10 das es vlida slo para ilustrar las caractersticas del sistema. No sera seguro predecir sobre la base de ese corto lapso.
10. Por qu es necesaria una computadora para llevar a cabo una simulacin prctica? Una computadora es necesaria por tres razones: Que puede hacer periodos de tiempo o ensayos en cuestin de segundos o minutos, Que puede examinar y permitir un cambio en las complejas interrelaciones que se estudian rpidamente. Puede internamente (a travs de una declaracin de subrutina o funcin) generar nmeros aleatorios por los miles o millones
11. Qu son los juegos operacionales? Qu es una simulacin de sistemas? Proporcione ejemplos acerca de cmo pueden aplicarse cada uno Los juegos operacionales son una simulacin de la participacin de jugadores de la competencia. Ejemplo, administracin de negocios, juegos militares, entre otros. La simulacin de sistemas prueba el entorno operativo de un sistema de gran tamao, como una corporacin, gobierno u hospital. 12. Cree que la aplicacin de la simulacin aumentar considerablemente en los siguientes 10 aos? Por qu s o por qu no? Simulacin si aumentara su uso por varias razones: Equipos se encuentran en todos los tipos y tamaos de empresas Lenguajes de simulacin pueden ser refinados y hacen ms fcil para los administradores su uso, especialmente con el advenimiento de los enfoques de hojas de clculo La masa de graduados formados en QA entrar en el mundo de los negocios es cada vez mayor, la disminucin de la resistencia a las tcnicas sofisticadas Los problemas complejos no sern menos en la naturaleza. 13. Por qu preferira un analista utilizar un lenguaje de propsitos generales tales como BASIC en una simulacin en donde haya ventajas para el uso de lenguajes de propsitos mltiples tales como GPSS/H, SIMSCRIPT 11.5 y SLAM II? "C o BASIC " es un popular lenguaje comn. El aprendizaje de un lenguaje de simulacin especializado puede ser largo y difcil. Para las simulaciones regulares, lenguajes regulares pueden ser suficientes. Es posible que tome unos segundos extra de tiempo de CPU de la computadora (GPSS y SIMSCRIPT son muy eficientes), pero el tiempo de computadora es a menudo un coste fijo.
Prcticas de Simulacin usando el Mtodo Montecarlo

Puerto de Nueva Orleans Las barcazas totalmente cargadas llegan de noche a Nueva Orleans, donde culminan sus tediosos viajes a lo largo del Ro Mississippi desde las ciudades industriales del medio oeste. El nmero de barcazas que atracan una noche cualquiera vara desde 0 hasta 5. La probabilidad de 0, 1, 2, 3, 4 o 5 llegadas se muestran en la siguiente tabla: Nmero de llegadas 0 1 2 3 4 5 Probabilidad 0.13 0.17 0.15 0.25 0.20 0.10 Probabilidad Acumulada 0.13 0.30 0.45 0.70 0.90 1.00 Intervalo de Nmeros Aleatorios 01 a 13 14 a 30 31 a 45 46 a 70 71 a 90 91 a 100
En la misma tabla, se establecen probabilidades acumuladas e intervalos de nmeros aleatorios correspondientes por cada valor posible. Un estudio realizado por el superintendente del muelle revela que debido a la naturaleza de su carga, el nmero de barcazas descargadas tambin tiende a variar de un da al siguiente. Adems, presenta esta informacin a partir de la cual se puede crear una distribucin de probabilidad de la variable tasa de descarga diaria en la siguiente tabla: Tasa diaria de descarga 1 2 3 4 5 Probabilidad 0.05 0.15 0.50 0.20 0.10 0.05 0.20 0.70 0.90 1.00 Probabilidad Acumulada Intervalo de Nmeros Aleatorios 01 a 05 06 a 20 21 a 70 71 a 90 91 a 100
Tomando en cuenta estos datos, trataremos de resolver este problema utilizando los nmeros aleatorios que genera Excel, y estos fueron los resultados:
En esta tabla de resultados de Excel, podemos notar que: El nmero promedio de retrasos por noche es de: 1.33 barcazas retrasadas por da El nmero promedio de llegadas por noche es de: 1.87 barcazas que han llegado por da El nmero promedio de descargas por noche es de: 1.87 barcazas por da
Problema 15.18 PUERTO DE NUEVA ORLEANS Un incremento del tamao del equipo de descarga de Nueva Orleans (vea seccin 15.5) ha provocado una distribucin de probabilidades de las tasas diarias de descarga. En particular las de la tabla 15.11 pueden revisarse como se muestra a continuacin: Tasa diaria de descarga 1 2 3 4 5 6 Probabilidad 0.03 0.12 0.40 0.28 0.12 0.05
(a) Simule de nuevo 15 das de descargas de las barcazas y calcule el nmero promedio de stas que se retrasan, el nmero promedio de llegadas nocturnas y el nmero promedio de barcazas descargadas cada da. Obtenga nmeros aleatorios de la fila inferior de la tabla 15.5 para generar las llegadas diarias y genere las tasas diarias de descarga a partir de la penltima fila (b) De qu manera se comparan los resultados simulados con los que se presentan en el captulo? Desarrollando este problema por medio de Excel y generando los nmeros aleatorios por medio de esta misma herramienta obtenemos que:
En la tabla de resultados de Excel, podemos notar que: El nmero promedio de barcazas que se retrasan por da es de 0.33
El nmero promedio de barcazas que llegan por da es de 2.07 El nmero promedio de barcazas que son descargadas por da es de 2.07
En comparacin con el problema anterior, los retrasos disminuyeron y las llegadas y descargas aumentaron por lo que es recomendable aumentar el tamao del equipo de descarga. Problema de Simkins Hardware Mark Simkin, el propietario y gerente general de la ferretera Simkins Hardware, quiere determinar una poltica de inventario eficiente y de bajo costo para manejar un producto en especfico: el taladro elctrico modelo Ace. Debido a la complejidad de la situacin, ha decidido utilizar la simulacin para ayudarse. Estos son los datos del problema:
Al evaluar este problema en Excel, tenemos como resultado lo siguiente:
Segn este resultado, se debern realizar pedidos en 4 ocasiones. El promedio de inventario inicial es de 3.27 unidades por da El promedio de inventario final es de 2.33 unidades por da El promedio de demanda es de 3.27 unidades por da
Tarea Investigar sobre las pruebas de Chi Cuadrado y la prueba de Kolmorogov Smirnov para determinar tipo de distribucin. Minitab hay otro que se llama Easy Fit (Pruebas de bondad de ajustes) Minitab estadstica tablas - pruebas de chi cuadrado (una sola variable) Bajar el manual de Flexim
Desarrollo
Prueba Chi Cuadrado

Devuelve la prueba de independencia. PRUEBA.CHI devuelve el valor de la distribucin chi cuadrado (2) para la estadstica y los grados de libertad apropiados. Las pruebas 2 pueden utilizarse para determinar si un experimento se ajusta a los resultados tericos. Sintaxis PRUEBA.CHI(rango_actual;rango_esperado) Rango_actual esperados. es el rango de datos que contiene observaciones para probar frente a valores
Rango_esperado es el rango de datos que contiene la relacin del producto de los totales de filas y columnas con el total global. Observaciones

Si rango_actual y rango_esperado tienen un nmero diferente de puntos de datos, PRUEBA.CHI devuelve el valor de error #N/A. La prueba 2 primero calcula una estadstica 2 utilizando la frmula:
donde: Aij = frecuencia actual en la i-sima fila, j-sima columna Eij = frecuencia esperada en la i-sima fila, j-sima columna r = nmero de filas c = nmero de columnas

Un valor bajo de 2 es un indicador de independencia. Como se puede ver en la frmula, 2 siempre es positivo o 0, y es 0 slo si Aij = Eij para todo i,j. PRUEBA.CHI devuelve la probabilidad de que un valor de la estadstica 2 como mnimo tan elevado como el valor calculado mediante la frmula anterior pueda haberse producido al azar en el supuesto de independencia. Al calcular esta probabilidad, PRUEBA.CHI utiliza la distribucin 2 con un nmero adecuado de grados de libertad, df. Si r > 1 y c > 1, entonces df = (r - 1)(c - 1). Si r = 1 y c > 1, entonces df = c - 1 o si r > 1 y c = 1, entonces df = r - 1. r = c= 1 no est permitido y se devuelve #N/A. Es ms apropiado utilizar PRUEBA.CHI cuando Eij no son demasiado pequeos. Algunos estadsticos sugieren que cada Eij debera ser mayor o igual a 5. Ejemplo El ejemplo puede resultar ms fcil de entender si lo copia en una hoja de clculo en blanco.
A 1 2 3 4 5 6 7 8 Hombres (Real) 58 11 10 Hombres (Esperado) 45,35 17,56 16,09 Frmula =PRUEBA.CHI (A2:B4;A6:B8)
B Mujeres (Real) 35 25 23 Mujeres (Esperado) 47,65 18,44 16,91 Descripcin (Resultado) La estadstica 2 de los datos anteriores es 16,16957 con 2 grados de libertad (0,000308).
C Descripcin Estn de acuerdo Neutrales No estn de acuerdo Descripcin Estn de acuerdo Neutrales No estn de acuerdo
Prueba de Kolmogorov-Smirnov para distribucin normal

En estadstica, la prueba de Kolmogrov-Smirnov (tambin prueba K-S) es una prueba no paramtrica que se utiliza para determinar la bondad de ajuste de dos distribuciones de probabilidad entre s. En el caso de que queramos verificar la normalidad de una distribucin, la prueba de Lilliefors conlleva algunas mejoras con respecto a la de Kolmogrov-Smirnov; y, en general, el test de ShapiroWilk o la prueba de Anderson-Darling son alternativas ms potentes. Conviene tener en cuenta que la prueba Kolmogrov-Smirnov es ms sensible a los valores cercanos a la mediana que a los extremos de la distribucin. La prueba de Anderson-Darling proporciona igual sensibilidad con valores extremos http://www.youtube.com/watch?v=5xYoOMDMCws
Se supone que el tiempo de llegada tiene una distribucin de poisson . Demostrar que ese tiempo de llegada tiene una distribucin de Poisson.
Miu=lambda
Anlisis de decisin Problema de ejemplo: Problema 3.16 del libro de Taha
Los Resultados, resolviendo en QM:
El mejor valor esperado es Best EV, es decir 75,000 El valor esperado de informacin perfecta es de 66 000:
EL criterio de minimax nos genera la matriz de arrepentimiento (Minimax Regret)
Problema 3.24 Brilliant Color En Excel
En QM
Conclusin: Se debe comprar 11 debido a que nos da una utilidad de 385 y es la mejor alternativa
Problema 3.25 Megley Cheese Company En Excel
En QM
Debo comprar 8 cajas para obtener una utilidad de $352.50, ya que este es el mejor valor esperado
Problema 3.26 Farm Grown Inc Precio DE VENTA Costo 1 Costo 2 $15.000 $5.000 $16.000 Vender comprar comprar comprar Proabailidad Vender Vender 100 200 300 100 $1,000.000 $900.000 $800.000 200 $1,000.000 $2,000.000 $1,900.000 300 $1,000.000 $2,000.000 $3,000.000 0.3 0.4 0.3 Valor ESPERADO 900 1670 2000 Comprar 300
ARBOL DE DECISIN Problema 3.32 de Render
Problema 3.35
Tarea de Render del Captulo 3
Autoevaluacin 1. En la terminologa de la teora de la decisin, un curso de accin o estrategia que la persona que toma las decisiones podr elegir se conoce como: a. Pago Alternativa b. Estado de la naturaleza c. Ninguna de las anteriores 2. En la teora de la decisin, las probabilidades estn asociadas con a. Ganancias b. Alternativas Estados de la naturaleza c. Ninguna de las anteriores 3. Si las probabilidades estn disponibles para quien toma las decisiones, entonces el ambiente para la toma de decisiones se conoce como a. Certidumbre b. Incertidumbre Riesgo c. Ninguna de las anteriores 4. Cul de las siguientes corresponde a un criterio para la toma de decisiones que se emplea bajo riesgo? Criterio del valor monetario esperado a. Criterio Hurwicz (criterio de realismo) b. Criterio de igualdad de probabilidad 5. La mnima perdida de oportunidad esperada a. Es igual a la mayor ganancia esperada b. Es mayor que el valor esperado con informacin perfecta c. Es igual al valor esperado de la informacin perfecta Se calcula cuando se encuentra la decisin de arrepentimiento minimax 6. Cuando se emplea el criterio de realismo (criterio de Hurwicz) el coeficiente de realismo ()
a. Es la probabilidad de un buen estado de la naturaleza Describe el grado de optimo en el que se basa el proceso de toma de decisiones. b. Describe el grado de pesimismo en el que se basa el proceso de toma de decisiones. c. Es por lo general menor a cero 7. Lo mximo que una persona debe pagar por la informacin perfecta es El EVPI a. El mximo EMV menos el mnimo EMV b. El mximo EOL c. El mnimo EMV 8. El criterio de minimo EOL siempre genera la misma decisin que a. El criterio maximax b. Pueden ser negativos en algunas ocasiones El criterio de EMV mximo c. El criterio de la igualdad de probabilidades. 9. Se prefiere un rbol de decisin a una tabla de ganancia cuando a. Se debe tomar un numero de decisiones secuenciales Las probabilidades estn disponibles b. Se emplea el criterio maximax c. El objetivo es maximizar la perdida 10. El teorema de bayes se utiliza para revisar las probabilidades. Las probabilidades nuevas (revisadas) se conocen como a. Probabilidades a priori b. Probabilidades de muestra c. Probabilidades de encuesta Probabilidades a posterior 11. En un rbol de decisin, en cada nodo del estado de la naturaleza, a. Se selecciona una alternativa que tenga los valores ms altos de EMV Se calcula EMV b. Se aaden todas las posibilidades c. Se selecciona la rama que tiene la probabilidad ms alta.
12. El EVSI a. Se obtiene al restar el EMV sin la informacin de muestreo de los valores EMV con informacin de muestreo b. Es siempre igual que el valor esperado de la informacin perfecta Equivale a EMV con informacin de muestreo asumiendo el costo de la informacin menos EMV sin la informacin de muestreo c. Es por lo general negativo 13. Una vez que el rbol de decisin ha sido dibujado y las ganancias y probabilidades se han colocado en l, el anlisis (clculo de valores de EMV y seleccin de la mejor alternativa) Se realiza trabajando hacia atrs (se comienza por el lado derecho y se sigue hacia izquierda) a. Se realiza trabajando hacia adelante (se comienza por el lado izquierdo y se sigue hacia la derecha) b. Se realiza comenzando por la parte superior del rbol y se sigue hacia abajo. c. No puede determinarse sin ms informacin. 14. Cuando se estiman los valores utilidad a. El peor resultado representa una utilidad de -1 b. El mejor resultado representa una utilidad de 0 El peor resultado representa un valor de 0 c. El mejor resultado representa el valor de -1 15. Si una persona selecciona una alternativa que no maximiza los valores de EMV, se esperara que dicha alternativa Minimice el EMV a. Maximice la utilidad esperada b. Minimice la utilidad esperada c. Tenga una utilidad de cero asociada con cada una de las ganancias posibles.
PREGUNTAS PARA ANALISIS 1. Proporcione un ejemplo de una buena decisin que haya tomado y que haya resultado mal. Tambin de un ejemplo de una mala decisin que haya tomado y que haya dado buen resultado Por qu fue buena o mala cada una de estas decisiones? Siento que una buena decisin fue la de ir a competir en junio a Panam, para representar a la universidad pero result mal debido a que cuando regrese no tuve el tiempo suficiente para ponerme al da y dos de las seis materias que tengo que dar este semestre, casi las fracaso. Una mala decisin fue la de aceptar un trabajito de realizar unas encuestas, ya que siento que he perdido algo de tiempo pero siento que ha resultado bien porque tengo independencia y he aprendido a desenvolverme frente a personas que no conozco. La primera decisin fue buena porque me trajo buenos resultados pero los siguientes resultados fueron malos. La segunda decisin fue mala porque el trabajo me sali para una semana en la que no he tenido mucho tiempo para estudiar ni hacer tareas pero a pesar de todo, he sabido cmo sacar todo adelante y aprovechar la oportunidad de aprender ms 2. Describa que est involucrado en el proceso de toma de decisin Estn involucradas las siguientes fases para el proceso de toma de decisiones: Definir el problema Elaborar una lista con posibles alternativas Identificar los posibles resultados o estados de la naturaleza Listar el pago o utilidad de cada combinacin de alternativas y resultados. Seleccionar uno de los modelos matemticos del proceso de toma de decisiones Aplicar el modelo y tomar su decisin.
3. Qu es alternativa?, Qu es un estado de la naturaleza? R/ Alternativa es el curso de accin o estrategia que puede seleccionase por quien toma las decisiones. Estado de la naturaleza es el resultado sobre el que se tiene poco o ningn control por parte de la persona que toma las decisiones
4. Exponga las diferencias entre proceso de toma de decisiones bajo certidumbre, de riesgo y de incertidumbre Bajo certidumbre De riesgo Incertidumbre
Conocen con certeza la Hay varios resultados Hay varios resultados consecuencia de cada una posibles para cada posibles para cada de las alternativas alternativa alternativa Seleccionaran la alternativa que maximizara su bienestar o que dar el mejor resultado Quien toma la decisin Quien toma la decisin no conoce la probabilidad de conoce las probabilidades que cada uno de estos de los diferentes resultados resultados ocurra
5. Qu tcnicas se emplean para resolver los problemas de toma de decisiones bajo incertidumbre?, Qu tcnicas provoca una decisin optimista?, Cul produce una decisin pesimista? R/ Las tcnicas que se emplean para resolver problemas de toma de decisiones bajo incertidumbre son: Maximax (optimista) Maximin (pesimista) Criterio de realismo (criterio de Hurwicz) Igualdad de probabilidades (laplace) Arrepentimiento minimax Las tcnicas que provoca una decisin optimista: maximax Tcnicas provoca una decisin pesimista: maximin 6. Defina perdida de oportunidad. Qu criterio para la toma de decisiones se emplea en una tabla de prdida de oportunidad? R/ Perdida de oportunidad a la diferencia entre el beneficio o pago ptimo de un determinado estado de la naturaleza y el pago real obtenido a partir de una decisin en particular; es decir, es la cantidad que se pierde por no haber seleccionado la mejor alternativa ante determinado estado de la naturaleza. Se emplea en el criterio de arrepentimiento minimax.
7. Qu informacin debe colocarse en un rbol de decisin? Todos los arboles deben contener un nodo de decisin del que se pueden seleccionar varias alternativas y yn nodo de estado de la naturaleza a partir del cual podra ocurrir un estado de la naturaleza 8. Describa como determinara la mejor decisin por medio del criterio de EMV mediante un rbol de decisin. R/Para el anlisis de los problemas con rboles de decisin implica cinco fases: Definir el problema Estructurar o dibujar el rbol de decisin Asignar probabilidad a los estados de la naturaleza Calcular las ganancias de cada combinacin posible de alternativas y estados de la naturaleza Resolver el problema mediante el clculo de los valores monetarios esperados de cada nodo de estado de la naturaleza. Esta operacin se hace trabajando hacia atrs, es decir, se comienza desde derecha del rbol y se trabaja hacia el origen de los nodos de decisin que se encuentra a la izquierda. Adems, en cada nodo de decisin se debe seleccionar la alternativa que tiene el mejor EMV. 9. Cul es la diferencia entre probabilidades previa y posterior? R/ La probabilidad previa o a priori son aquellas probabilidades son investigacin de mercado. Y la probabilidad posterior son aquellas nuevas que ya est revisadas por medio del anlisis bayesiano. 10. Cul es el propsito de un anlisis bayesiano? Describa como utilizara usted un anlisis bayesiano en el proceso de toma de decisiones. R/ El propsito del anlisis bayesiano es permitir a quienes toman las decisiones revisar los valores de probabilidad. El propsito del anlisis bayesiano es determinar probabilidades posteriores basadas en probabilidades previas y la nueva informacin. Anlisis bayesiano se puede utilizar en el proceso de toma de decisiones cada vez que se recoge informacin adicional. Esta informacin puede combinarse con probabilidades previas para llegar a probabilidades posteriores. Una vez que estas probabilidades posteriores se calculan, se pueden utilizar en el proceso de toma de decisiones como cualquier otro valor de probabilidad.
11. Qu es EVSI? y Cmo se calcula? R/ El valor esperado de la informacin de la muestra (VEIM) es el aumento en el valor esperado que resulta de tener informacin de la muestra. Se calcula como sigue: EVSI= (valor esperado con informacin de la muestra)+ (costo de la informacin)-(valor esperado sin informacin de la muestra) 12. Cul es el propsito general de la teora de la utilidad? R/ El propsito de la teora de la utilidad es conocer nuestras propias actitudes hacia el riesgo; utilizar nicamente criterios EMV no es siempre una buena forma de tomar estos tipos de problemas como: un afortunado de poseedor de un billete de lotera con un 50% de probabilidad de ganar o $2 millones de dlares seguros por vender ese billete. 13. Comente brevemente como puede estimarse una funcin de utilidad. qu es un riesgo estndar y como se emplea para determinar los valores de utilidad? R/ Un riesgo estndar son las utilidades que corresponden al mejor y peor resultado. Se emplea determinando la p que corresponde al mejor resultado y (1-p) es la probabilidad de obtener el peor. 14. Cmo se utiliza una curva de utilidad para seleccionar la mejor decisin en un problema en particular? R/ Cuando una curva de utilidad es usada en la toma de decisiones de un proceso, los valores de utilidad de la curva de utilidad reemplazan todos los valores monetarios en las ramas terminales de un rbol de decisin o en el cuerpo de una tabla de decisin. Entonces, utilidades esperadas se determinan en el misma manera como se esperaba valores monetarios. La alternativa con la utilidad esperada ms alta se selecciona como la mejor decisin. 15. Qu es una persona que busca el riesgo?, Qu es una persona que siente aversin por el riesgo?, en que difiere una curva de utilidad en estos tipos de personas que toman decisiones? R/ Las personas que buscan riesgos es un individuo con caractersticas que toma las decisiones, obtiene mayor utilidad a un riesgo ms alto y pago potencial tambin mayor, a medida que se incrementa el valor monetario de su curva de utilidad, la utilidad se incrementa cada vez ms. Una persona que es indiferente al riesgo tiene una curva de utilidad que corresponde a una lnea recta.
La forma de la curva de utilidad de una persona depende de la decisin especfica que se considere, los valores monetarios involucrados en la situacin, el perfil psicolgico del individuo y la manera en que siente acerca del futuro.
Tarea del Captulo 16 de Render

AUTOEVALUACIN
1. Si los estados de un sistema o proceso son tales que el sistema solamente puede encontrarse en un estado a la vez, entonces los estados son: a. Colectivamente exhaustivos Mutuamente excluyentes c. Absorbentes d. Desvanecidos
2. El producto de un vector de probabilidades de estado y la matriz de probabilidades de transicin producir: Otro vector de probabilidades de estado. a. Un desbarajuste sin sentido b. La inversa de la matriz de estado de equilibrio. c. Todas las anteriores d. Ninguna de las anteriores
3. En el largo plazo, las probabilidades de estado son de 0 y 1 a. En ningn caso b. En todos los casos En algunos casos
4. Para encontrar las condiciones de equilibrio a. Debe conocerse el primer vector de probabilidades de estado. b. No es necesaria la matriz de probabilidades de transicin. Los trminos generales del vector de probabilidades de estado se utilizan en dos ocasiones.
5. Cul de las siguientes no es un supuesto del anlisis de Markov? a. Existe un nmero limitado de estados posibles. Existe un nmero limitado de periodos futuros. b. Un estado futuro puede predecirse a partir del estado anterior y la matriz de probabilidades de estado. c. El tamao y composicin del sistema no cambian durante el anlisis. d. Todos los anteriores son supuestos del anlisis de Markov.
6. En el anlisis de Markov, las probabilidades de estado deben: Sumar 1 b. Ser menos que 0 e. Ser menores que 0.01 f. Ser mayores que 1
g. Ser mayores que 0.01
7. Si las probabilidades de estado no cambian de un periodo al siguiente, entonces: El sistema se encuentra en equilibrio. a. Cada probabilidad de estado debe ser igual a 0. b. Cada probabilidad de estado debe ser igual a 1. c. El sistema se encuentra en un estado fundamental.
8. En la matriz de las probabilidades de transicin, La suma de las probabilidades de cada fila debe ser igual a 1. b. La suma de las probabilidades de cada columna debe ser igual a 1. c. Por lo menos debe haber un 0 en cada columna. d. Debe haber por lo menos un 0 en cada columna.
9. Es necesario utilizar la matriz fundamental a. Para encontrar las condiciones de equilibrio cuando no existen estados absorbentes. Para encontrar las condiciones de equilibrio cuando hay uno o ms estados b. Para encontrar la matriz de probabilidades de transicin c. Para encontrar la inversa de la matriz.
10. En el anlisis de Markov, la matriz de probabilidades de transicin nos permite pasar de un estado actual a un estado futuro.
11. En el anlisis de Markov, se supone que las probabilidades de estados son tanto colectivamente exhaustivos como mutuamente excluyentes.
12. El Vector de probabilidades de estado es la probabilidad de que el sistema se encuentre en un estado especfico.
PREGUNTAS DE ANLISIS
16.1 Presente los supuestos en los que se basa el anlisis de Markov. Anlisis de Markov requiere el uso de lgebra matricial, principalmente matriz multiplicacin. Es posible que desee que los estudiantes revisen bsica conceptos de lgebra de matrices antes que el material en el captulo sea cubierto. Si va a cubrir absorber el anlisis del estado en los detalles, ser necesario lgebra matricial ms avanzada, incluyendo la identidad matriz, la resta de la matriz, y la inversa de una matriz.
16.2 Qu son el vector de probabilidades de estado y la matriz de probabilidades de transicin y cmo pueden determinarse? Anlisis de Markov requiere una matriz conocida y estable de transicin. Los estudiantes deben ser informados de que el anlisis de Markov no es vlido si el matriz de transicin no permanece la misma. Un pequeo cambio en la matriz de transicin se puede hacer una gran diferencia en el equilibrio clculos.
16.3 Describa cmo se puede utilizar el anlisis de Markov para hacer predicciones. Hay un nmero de aplicaciones de anlisis de Markov. Las aplicaciones cuadro en este captulo se presenta un ejemplo. Los estudiantes pueden ser pedido encontrar aplicaciones adicionales en el anlisis cuantitativo / revistas de ciencias de gestin, tales como interfaces. Adems, los estudiantes se le puede pedir a desarrollar sus propios problemas. Por ejemplo, Anlisis de Markov se puede utilizar para predecir el porcentaje de estudiantes quien estar en determinadas carreras el prximo ao o en el largo plazo.
16.4 Qu es una condicin de equilibrio? Cmo se sabe que existe una condicin de equilibrio, y cmo pueden calcularse las condiciones de equilibrio con base en la matriz de probabilidades de transicin? Aunque el anlisis de sensibilidad no es una parte formal del material discutido en este captulo, es un tema importante e interesante. Los estudiantes se les puede pedir para determinar el grado de sensibilidad de los resultados de Anlisis de Markov son a los cambios en los valores de probabilidad
16.5 Qu es un estado absorbente? D varios ejemplos de estados absorbentes. Como se mencion en este captulo, las condiciones de equilibrio no dependen en el estado o condicin inicial. El nico factor que debe considerarse es la matriz de transicin. Si bien esto es cierto, el tiempo o nmero de periodos necesarios para enfoque de equilibrio es una funcin del estado inicial. Los estudiantes se les puede pedir para determinar qu impacto tiene el estado inicial en el nmero de perodos que toma para alcanzar el equilibrio.
16.6 Qu es la matriz fundamental y cmo se utiliza para determinar condiciones de equilibrio? Absorbiendo el anlisis del estado requiere lgebra de matrices ms complejas, incluyendo la inversa de la matriz (I-B). Si va a entrar en las matemticas de la absorcin de un anlisis del estado, puede que tenga que pasar tiempo adicional que cubre el lgebra matricial ms avanzada. Un enfoque alternativo es para cubrir los supuestos y enfoque general del modelo y dejar los clculos para el equipo.
PROBLEMAS DE EJEMPLO Problema de Ejemplo 1 George Walls, director de Bradley School, se encuentra preocupado por el nmero decreciente de inscripciones. Bradley School es una universidad tcnica que se especializa en capacitar programadores y operadores de computadoras. A lo largo de los aos, ha habido mucha competencia entre Bradley School, International Technology y Career Academy. Las tres compiten por proporcionar educacin en las reas de programacin y operacin de computadoras, as como en la de habilidades secretariales bsicas. Para comprender mejor cul de estas escuelas ser la lder en el rea, George decidi llevar a cabo una encuesta. En ella analiz el nmero de estudiantes que se cambiaban de una escuela a otra durante sus carreras acadmicas. En promedio, Bradley School fue capaz de retener 65% de sus estudiantes inscritos originalmente. Sin embargo, 20% de los estudiantes que al principio se inscribieron en ella se fueron a Career Academy y 15% a T International Technology. De estas dos, Career Academy tuvo la tasa de retencin ms alta: 90% de sus estudiantes se quedaron en ella hasta terminar totalmente su programa acadmico. George estima que alrededor de la mitad de los estudiantes que abandonan Career Academy entran a Bradley School y la otra mitad a International Technology. Esta ltima pudo retener 80% de sus estudiantes despus de que se inscribieron. Por otra parte, 10% de los estudiantes inscritos originalmente se cambiaron a Career Academy y el otro 10% se inscribi en Bradley School. Actualmente, Bradley School tiene 40% del mercado. Career Academy, la cual es mucho ms nueva, tiene 35o/o del mercado. La participacin de mercado restante (25%) consiste en estudiantes que asisten a International Technology. A George le gustara determinar la participacin de mercado de Bradley en el prximo ao. Cules son las participaciones de mercado en equilibrio de las tres escuelas? Solucin Los datos de este problema se resumen de la siguiente forma: Estado 1 participacin inicial = 0.40-Bradley School
Estado 2 participacin inicial = 0.35-Career Academy Estado 3 participacin inicial = 0.25-International Technology Los valores de la matriz de transicin son: A DE 1 Bradley 2 Careff 3 International 1 Bradley 0.65 0.05 0.10 2 Careff 0.20 0.90 0.10 3 International 0.15 0.05 0.80
Para que George determine la participacin de mercado de Bradley School durante el prximo ao que multiplicar las participaciones de mercado actual por la matriz de probabilidades de continuacin se muestra la estructura general de estos clculos: {0.40 0.35 0.25) [0.65 0.20 0.15] 0.05 0.90 0.05 0.10 0.10 0.80
En consecuencia, la participacin de mercado de Bradley School, International Academy puede calcularse multiplicando las participaciones de mercado actual por las probabilidades la matriz de transicin, tal como se muestra. El resultado ser una nueva matriz con uno de los cuales representa la participacin de mercado de una de las escuelas. Los clculos de la matriz son los siguientes: Participacin de mercado de Bradley School = (0.40) (0.65) + (0.35) (0.05) + (0.25) (0.10) = 0.303 Participacin de mercado de Career Academy = (0.40) (0.20) + (0.35) (0.90) + (0.25) (0.10)= 0.420 Participacin de mercado de International Technology = (0.40) (0.15) + (0.35) 0.05+ (0.25) (0.10)= 0.278
Ahora, a George le gustara calcular las proporciones de mercado en equilibrio de las condiciones de equilibrio, la participacin de mercado futura es igual a la participacin tente o actual multiplicada por la matriz de probabilidades de transicin. Si las diversas participaciones de mercado de estas tres escuelas, es posible desarrollarlas y permite calcular las participaciones de mercado en equilibrio.
X1 =participacin de mercado de Bradley School X 2 =participacin de mercado de Career Academy X 3 = participacin de mercado de International Technology En equilibrio,
El siguiente paso consiste en hacer las multiplicaciones apropiadas en el lado de hacerlas ser posible obtener tres ecuaciones con los tres valores de la incgnita i-. Suma de las proporciones de mercado en cualquier periodo debe sumar l. De esta ecuacin se puede mejorar cuatro ecuaciones que se resumen como: X1 =0.65X1 +0.05X 2 +O.lOX3 X 2 =0.20X1 +0.90X2 +0.10X3 X3 =0.15X1 +0.05X2 +0.80X3 X1 +X2 +X3 =l Debido a que hay cuatro clasificaciones y slo tres incgnitas, se puede borrar III superiores y dejar as tres ecuaciones y tres incgnitas. Estas ecuaciones puede mediante procedimientos algebraicos estndar para obtener los valores en equilibrio de Bradley School, International Technology y Career Aca estos clculos se muestran en la siguiente tabla:
ESCUELA X1 (Bradley) X2 (Career) X3 (International)
PARTICIPACIN DE MERCADO 0.158 0.579 0.263
Problema 2 Central State University administra exmenes de competencia en computacin cada ao. Estos exmenes permiten a los estudiantes "exentar" la clase de introduccin a la computacin que se imparte en la universidad. Los resultados de los exmenes pueden clasificarse en uno de los siguientes cuatro estados: Estado 1: aprobacin de todos los exmenes de cmputo y exencin del curso Estado 2: no se aprueban todos los exmenes de cmputo en el tercer intento y se requiere tomar el curso Estado 3: reprobar los exmenes de cmputo en el primer intento Estado 4: reprobar los exmenes de cmputo en el segundo intento El coordinador de los exmenes del curso ha anotado la siguiente matriz de probabilidades de transicin
Actualmente hay 200 estudiantes que no aprobaron todos los exmenes en el primer intento. Adems, 50 alumnos no pasaron en el segundo intento. En el largo plazo, cuntos estudiantes estarn exentos del curso debido a que pasaron los exmenes? Cuntos de los 250 alumnos tendrn que tomar el curso de computacin?
Solucin Los valores de la matriz de transicin se resumen de la siguiente forma:
El primer paso para determinar cuntos estudiantes tendrn que tomar el curso y cuntos lo exentarn consiste en dividir la matriz de transicin en cuatro matrices. stas son las matrices J, O, A y B:
El siguiente paso es calcular la matriz fundamental, la cual se representa por la letra F. Esta matriz en determina al restar la matriz B de la matriz I para luego tomar la inversa de los resultados:
Primero se encuentra que
r = ad - be = (0.9) (0.8) - (-0.4) (- 0.1) = 0.72- 0.04 = 0.68
Ahora se multiplica la matriz F por la matriz A. Este paso es necesario para determinar cuntos estudiantes estarn exentos de tomar el curso y cuntos lo tendrn que tomar:
El paso final consiste en multiplicar los resultados de la matriz FA por la matriz M, como se muestra a continuacin:
Como puede observarse, la matriz MFA consta de dos nmeros. El nmero de estudiantes que se encuentra en el curso es de 231. El nmero de alumnos que finalmente tendrn que tomar el curso es de 19.
Ejercicios cortos PARCIAL 1
Quiz 1
QUIZ 2
Reflexin de Aprendizaje
Al terminar todas mis asignaciones y finalizar los parciales, estoy convencida que investigacin de operaciones es una materia que quiero seguir estudiando, ya que tiene mucho campo de estudio y me ayudara en mi camino a la logstica. Observo que se pudiese estudiar esta materia en ingls, ya que tenemos problemas para manejar programas en ingls como flexim, Tora, WINqsb, qM. Soy buena en esto y quiero dar lo mejor de m y estoy segura que quiero aplicar este conocimiento en mi futuro profesional como ingeniera industrial, para poder optimizar recursos y maximizar utilidades a lo ms que pueda, en las empresas que trabaje o en mi propia empresa. Esta materia es muy difcil de entender y creo que la domino bastante bien. Para m fue un reto el alcanzar mi meta de ser una excelente ingeniera industrial y demostrar mis conocimientos para hacer crecer mi futuro profesional. Creo que me siento muy entusiasmada cada vez que yo tengo estos retos, materias como estas dan pie a desarrollar la capacidad lgica y analtica de un ingeniero.

Portafolios de IO

Cargado por

Copyright:

Formatos disponibles

Portafolios de IO

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Portafolios de IO

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD TECNOLGICA DE PANAM FACULTAD DE INGENIERA INDUSTRIAL DEPARTAMENTO DE PRODUCCIN LICENCIATURA EN INGENIERA INDUSTRIAL INVESTIGACIN DE OPERACIONES

Estudiante: Joselyne Johany Nez Pitty

Profesora: Rubiela de Quintero

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

UNIVERSIDAD TECNOLGICA DE PANAM

Inventarios. Teora de la decisin. Criterios de decisin. Decisin multicriterio. Modelos de Redes

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

IV- TEORIA DE COLAS. (6 Horas) 1. Descripcin de un sistema de colas.

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

Mis metas con respecto a la asignatura

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

Material dado en Clases

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

7. Cmo se calcula el ciclo de pedido?

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

La longitud del ciclo correspondiente es

( Entonces, Le = L-n Le =12-(1)(10) Le = 2 das

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

( Entonces, Le = L-n Le =30-(2)(11.55) Le = 6.90 das

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

( Entonces, Le = L-n Le =30-(3)(8.17) Le = 5.49 das

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

( Entonces, Le = L-n Le =30-(1)(22.36) Le = 7.64 das

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

( Entonces, Le = L-n Le =30-(1)(15.81) Le = 14.19 das

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

P{t> } =1- e-0.20(0.05)= 0.63 P{t> } = e-0.20(0.083)= 0.19

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

La probabilidad de que las tres cajas estn en uso es de 0.4444

Cul es la probabilidad de que Jhon se quede sin trabajo?

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

a) La probabilidad de que la ventanilla este ociosa

La probabilidad de que la ventanilla este ociosa es 0,403

b) La cantidad estimada de clientes que esperan ser atendidos Lq= 0.8845

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

d) La probabilidad de que la lnea de espera exceda la cantidad de 10 espacios. P{n>=11}= 0.0034

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

a) La probabilidad de que un trabajo no se ejecute de inmediato inmediatamente despus de enviarlo.

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

P0= 0,0213 e) El promedio de computadoras ociosas. 4-(Lq-Ls)= 4-(3.29-6.62)= 0.67

a) El porcentaje de autos que buscarn servicio en otra parte. Segn TORA

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

))-1, =1 7 0.0667 8 0.0588 9 0.0526 10 0.0476

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

Programacin con metas

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES

PORTAFOLIOS DE INVESTIGACIN DE OPERACIONES