Suma y Resta Fracciones Potencias

2 -4 -2 Suma y Resta Numero

-3 6 3 1/2 - 1/8 3/8 3
5 3 8 3/4 - 3/4 0 5
-7 -8 -15 5/9 - 2/5 7/45 7
1 7 8 -2 1/3 1/4 -2 1/12 6
4/5 1/6 29/30 4
Multiplicacion
2 -4 -8 Fracciones
-3 6 -18 Multiplicacion
5 3 15 1/2 - 1/8 - 1/16
-7 -8 56 3/4 - 3/4 - 9/16
1 7 7 5/9 - 2/5 - 2/9
-2 1/3 1/4 - 7/12
Division 4/5 1/6 2/15
2 -4 -0.50000
-3 6 -0.50000 Fracciones
5 3 1.66667 Division
-7 -8 0.87500 1/2 - 1/8 -4
1 7 0.14286 3/4 - 3/4 -1
5/9 - 2/5 -1 7/18
-2 1/3 1/4 -9 1/3
4/5 1/6 4 4/5
 Potencias Raices
Potencia Numero Potencia
2 9 3 2 1.73205081 1.7320508076
3 125 5 3 2.23606798 1.7099759467
8 5764801 7 8 2.64575131 1.2753731069
5 7776 6 5 2.44948974 1.4309690811
4 256 4 3 2 1.587401052
 Metod
2/3 x -1 = 3/4 x 1/2 Ecu 1
Ecu 2
- 1/12 x = 1 1/2
Ecu 1
x = -18 Ecu 2
 Metodo balanceo de ecuaciones
2x -3 y = 13 1
1x 2y = -4 -2

2x -3 y = 13
-2 x -4 y = 8
0 -7 y = 21

y = -3

x 2y = -4

x 2 -3 = -4

x -6 = -4

x = 2
 Operación de Inecuacion
3x -2 ≥ 4
3x ≥ 6
x ≥ 2

1/3 x 1 1/2 ≤ 1 2/3

-1 1/3 x ≤ -1 1/10

x ≤ 33/40
x 2/5
Funcion Objetivo
Fo= 20 X1 50 X2

Producto X1 X2 Tiempo
Overlock 1 2≤ 12
Cierre 0.5 2≤ 8

Ecu 1 1 X1 2 X2 ≤ 12
Ecu 2 0.5 X1 2 X2 ≤ 8

Ecu 1 -0.5 X1 -1 X2 ≤ -6
Ecu 2 0.5 X1 2 X2 ≤ 8
0 X1 1 X2 ≤ 2

X2 ≤ 2
 0.5 X1 2 2≤ 8
0.5 X1 4≤ 8
0.5 X1 ≤ 8
0.5 X1 ≤ 4
X1 ≤ 8

Funcion Objetivo
Fo= 20 X1 50 X2
20 8 50 2
160 100

Fo= 260

R/ La empresa Modas F&T puede generar una utilidad de Q260, produciendo 8 pantalones y 2 faldas.

Metodo Gráfico

Funcion Objetivo
Fo= 20 X1 50 X2

Producto X1 X2 Tiempo
Overlock 1 2 ≤ 12
Cierre 0.5 2 ≤ 8

Ecu 1 1 X1 2 X2 ≤ 12
Ecu 2 0.5 X1 2 X2 ≤ 8

A)
Se encontraran los valores de X1, cuando X2, sea igual a cero.

1 X1 2 X2 ≤ 12
 1 X1 2 0 ≤ 12

1 X1 0 ≤ 12

1 X1 ≤ 12

X1 ≤ 12

B)
Se encontraran los valores de X2, cuando X1, sea igual a cero.

1 X1 2 X2 ≤ 12

1 0 2 X2 ≤ 12

0 2 X2 ≤ 12

2 X2 ≤ 12

X2 ≤ 6

0.5 X1 2 X2 ≤ 8

A)
Se encontraran los valores de X1, cuando X2, sea igual a cero.

0.5 X1 2 X2 ≤ 8

0.5 X1 2 0 ≤ 8

0.5 X1 0 ≤ 8

0.5 X1 ≤ 8

X1 ≤ 16

B)
 Se encontraran los valores de X2, cuando X1, sea igual a cero.

0.5 X1 2 X2 ≤ 8

0.5 0 2 X2 ≤ 8

0 2 X2 ≤ 8

2 X2 ≤ 8

X2 ≤ 4

16,4
x y 14
Metodo Gráfico
12 0 7
0 6 12 6
f(x) = − 0.5 x + 6
5
16 0 10 4
Faldas

0 4 3
8 2
1
6 0
0 f(x) = 02 4 6 8 10 12 14 16
4 Pantalones

2
Column C Linear (Column C)
0 Linear (Column C) Column C
1 Linear (Column C) 2

Ecuacion 1 Ecuacion 2

Funcion Objetivo
Fo= 20 X1 50 X2

20 8 50 2
 160 100

260

12 0 7
0 6
16 0 6
0 4
5

0
0 2 4 6 8 10 12 14 1
-0.5
1
 -4

duciendo 8 pantalones y 2 faldas.

12,0

0,6

16,0
 0,4

do Gráfico

8 10 12 14 16 18
Pantalones

Linear (Column C)
C) Column C
C) 2

1 Ecuacion 2
8 10 12 14 16 18
 Metodo Simplex

Funcion Objetivo
Fo= 20 X1 50 X2

Ecu 1 1 X1 2 X2 ≤ 12
Ecu 2 0.5 X1 2 X2 ≤ 8

PASOS PARA LA SOLUCION DE METODO SIMPLEX

1 Convertimos la función objetivo, a su forma estándar, igualandola a "0".

2 Convertirmos las desigualdades de las restricciones en igualdades, introduciendo las variables de holgu
3
Preparamos un tablero de inicio, para el desarrollo del método con los datos obtenidos de los pasos an
una columna para cada variable de decisión, asi como la función objetivo y una columna de solución; p
siempre con una fila para la función objetivo tantas filas como variables de holgura que existan.
4
En el tablero inicial, debe seleccionarse la variable de entrada, identificandola como la variable más ne
variable de salida debe realizarse entre los valores de columna solución. Entre los valores positivos de
encuentra la variable de entrada y donde se encuentra el cociente menor positivo, correspondera la va
5
El elemento que se encuentra en la intersección de la columna donde esta la variable de entrada con l
salida, es conocido como elemento pivote, porque alrededor de este giraran todos los demas calc

6 Como primer punto debe convertirse el elemento pivote en valor 1 para el efecto, divida a cada ele
encuentra la variable de salida dentro del valor del elemento pivote y coloque los resultados
7 Es indispensable, convertir en elementos "0" todo valor que se encuentre arriba del elemento pivote y
8 Identifique nuevas variables de entrada, salida y elemento pivote, y repita tantas integraciones como s

Funcion Objetivo
Xo= 20 X1 50 X2
Xo -20 X1 -50 X2 =

Ecu 1 1 X1 2 X2 ≤
1 X1 2 X2 S1

Ecu 2 0.5 X1 2 X2 ≤
0.5 X1 2 X2 S2

TABLERO
Xo X1 X2 S1 S2 Solución
 Xo 1 -20 -50 0 0 0
S1 0 1 2 1 0 12
S2 0 0.5 2 0 1 8

Xo X1 X2 S1 S2 Solución
Xo 1 -7.5 0 0 25 200
S1 0 0.5 0 1 -1 4
X2 0 0.25 1 0 0.5 4

Xo X1 X2 S1 S2 Solución
Xo 1 0 0 15 10 260
X1 0 1 0 2 -2 8
X2 0 0 1 -0.5 1 2

RESPUESTA
Se tendra una ganancia Q260.00 produciendo 8 pantalones y 2 faldas
troduciendo las variables de holgura (Sn)
os datos obtenidos de los pasos anteriores; donde elaboramos
tivo y una columna de solución; para elaborar las filas, se inicia
es de holgura que existan.
ficandola como la variable más negativa. Para identificar la
ón. Entre los valores positivos de la columna, donde se
enor positivo, correspondera la variable ubicada en dicha fila.

e esta la variable de entrada con la fila donde esta la variable de

este giraran todos los demas calculos de cada integración.

1 para el efecto, divida a cada elemento de la fila donde se

o pivote y coloque los resultados en el nuevo tablero.
entre arriba del elemento pivote y debajo de este.
epita tantas integraciones como sea necesario, hasta encontrar la optimización.

12
= 12

8
= 8
6
4

-2 8
50 16

Combinacion 100 se llegó a la solución,

tambien cuando se eliminan los
7.5 negativos de la función objetivo
-0.25
 MÉTODO DE IGUALACIÓN
Mezcla 1 Mezcla 2
80% Manías 50%
20% Nueces 50%
Ganancias
M1 10
M2 15

Funcion Objetivo
Fo= 10 X1 15 X2

Producto X1 X2 Kilos
Manias 0.8 0.5 ≤ 1800
Nueces 0.2 0.5 ≤ 1200

Ecu 1 0.8 X1 0.5 X2 ≤ 1800

Ecu 2 0.2 X1 0.5 X2 ≤ 1200

Ecu 1 -0.16 X1 -0.1 X2 ≤ -360

Ecu 2 0.16 X1 0.4 X2 ≤ 960
0 X1 0.3 X2 ≤ 600

X2 ≤ 2000

Ecu 2 0.2 X1 0.5 X2 ≤ 1200

Siempre la 0.2 X1 0.5 2000 ≤ 1200
menor literal 0.2 X1 1000 ≤ 1200
Y siempre 0.2 X1 ≤ 200
la original X1 ≤ 1000
Funcion Objetivo
Xo= 10 X1 15 X2
Xo= 10 1000 15 2000
Xo= 10000 30000
Xo= 40000

Se obtiene una maxima ganancia de 40,000 haciendo una mezcla de 1,000 de mezcla barata y
2,000 de mezcla cara.

Metodo Gráfico

Funcion Objetivo
Xo= 10 X1 15 X2
Ecu 1 0.8 X1 0.5 X2 ≤ 1800
Ecu 2 0.2 X1 0.5 X2 ≤ 1200

Producto X1 X2 Tiempo
1 2 ≤ 12
Cierre 0.5 2 ≤ 8

Ecu 1 0.8 X1 0.5 X2 ≤ 1800

Ecu 2 0.2 X1 0.5 X2 ≤ 1200

A)
Se encontraran los valores de X1, cuando X2, sea igual a cero.

Ecu 1 0.8 X1 0.5 X2 ≤ 1800

 0.8 X1 0.5 0 ≤ 1800

0.8 X1 0 ≤ 1800

0.8 X1 ≤ 1800

X1 ≤ 2250

B)
Se encontraran los valores de X2, cuando X1, sea igual a cero.

Ecu 1 0.8 X1 0.5 X2 ≤ 1800

0.8 0 0.5 X2 ≤ 1800

0 0.5 X2 ≤ 1800

0.5 X2 ≤ 1800

X2 ≤ 3600

ECU 2 C)
Se encontraran los valores de X1, cuando X2, sea igual a cero.

Ecu 2 0.2 X1 0.5 X2 ≤ 1200

0.2 X1 0 0 ≤ 1200

0.2 X1 0 ≤ 1200

0.2 X1 ≤ 1200

X1 ≤ 6000

D)
Se encontraran los valores de X2, cuando X1, sea igual a cero.

Ecu 2 0.2 X1 0.5 X2 ≤ 1200

0.2 0 0.5 X2 ≤ 1200

0 0.5 X2 ≤ 1200
 0.5 X2 ≤ 1200

X2 ≤ 2400

X Y
2250 0
0 3600
6000 0
0 2400
Intersección 1000 2000

Xo= 10 X1 15 X2
Xo= 10 1000 15 2000
Xo= 10000 30000
Xo= 40000

Se obtiene una maxima ganancia de 40,000 haciendo una mezcla de 1,000 de mezcla barata y
2,000 de mezcla cara.

Método Simplex

Funcion Objetivo
Fo= 20 X1 50 X2

Ecu 1 1 X1 2 X2 ≤ 12
Ecu 2 0.5 X1 2 X2 ≤ 8

PASOS PARA LA SOLUCION DE METODO SIMPLEX

1 Convertimos la función objetivo, a su forma estándar, igualandola a "0".

2 Convertirmos las desigualdades de las restricciones en igualdades, introduciendo las variables de hol
3
Preparamos un tablero de inicio, para el desarrollo del método con los datos obtenidos de los pasos
una columna para cada variable de decisión, asi como la función objetivo y una columna de solución;
siempre con una fila para la función objetivo tantas filas como variables de holgura que existan.
4
En el tablero inicial, debe seleccionarse la variable de entrada, identificandola como la variable más n
variable de salida debe realizarse entre los valores de columna solución. Entre los valores positivos d
encuentra la variable de entrada y donde se encuentra el cociente menor positivo, correspondera la
5
El elemento que se encuentra en la intersección de la columna donde esta la variable de entrada con
salida, es conocido como elemento pivote, porque alrededor de este giraran todos los demas ca
 El elemento que se encuentra en la intersección de la columna donde esta la variable de entrada con
salida, es conocido como elemento pivote, porque alrededor de este giraran todos los demas ca

6 Como primer punto debe convertirse el elemento pivote en valor 1 para el efecto, divida a cada
encuentra la variable de salida dentro del valor del elemento pivote y coloque los resultad
7 Es indispensable, convertir en elementos "0" todo valor que se encuentre arriba del elemento pivote
8 Identifique nuevas variables de entrada, salida y elemento pivote, y repita tantas integraciones como

Funcion Objetivo
Xo= 10 X1 15 X2
Xo -10 X1 -15 X2 =

Ecu 1 0.8 X1 0.5 X2 ≤

0.8 X1 0.5 X2 S1

Ecu 2 0.2 X1 0.5 X2 ≤

0.2 X1 0.5 X2 S2

TABLERO
Xo X1 X2 S1 S2 Solución
Xo 1 -10 -15 0 0 0
S1 0 0.8 0.5 1 0 1800
S2 0 0.2 0.5 0 1 1200

Xo X1 X2 S1 S2 Solución
Xo 1 -4 0 0 30 36000
S1 0 0.6 0 1 -1 600
X2 0 0.4 1 0 2 2400

Xo X1 X2 S1 S2 Solución
Xo 1 0 0 6.66666667 23.3333333 40000
X1 0 1 0 1.67 -1.67 1000
X2 0 0 1 -0.66666667 2.66666667 2000

RESPUESTA

Se obtiene una maxima ganancia de 40,000 haciendo una mezcla de 1,000 de mezcla barata y
2,000 de mezcla cara.
-0.2
0.8
2250,0

0,3600

6000,0
 2400,0

4000

3500

3000

2500

2000

1500

1000

500

0
0 1000 2000 3000 4000 5000 6000 7000

roduciendo las variables de holgura (Sn)

s datos obtenidos de los pasos anteriores; donde elaboramos
tivo y una columna de solución; para elaborar las filas, se inicia
es de holgura que existan.
ficandola como la variable más negativa. Para identificar la
ón. Entre los valores positivos de la columna, donde se
enor positivo, correspondera la variable ubicada en dicha fila.

e esta la variable de entrada con la fila donde esta la variable de

este giraran todos los demas calculos de cada integración.
e esta la variable de entrada con la fila donde esta la variable de
este giraran todos los demas calculos de cada integración.

1 para el efecto, divida a cada elemento de la fila donde se

o pivote y coloque los resultados en el nuevo tablero.
ntre arriba del elemento pivote y debajo de este.
epita tantas integraciones como sea necesario, hasta encontrar la optimización.

1800
= 1800

1200
= 1200

3600
2400 *Basado en el resultado del cociente menor positivo

15
-0.5 1000 *Basado en el resultado del cociente menor positivo
6000

Combinacion 100 se llegó a la solución,

4 tambien cuando se eliminan los
negativos de la función objetivo
-0.4
Modelo de transporte Esquina Noroeste

Una empresa, desea minimizar los costos de distribucion de productos, cuenta con 3
fabricas y 5 distribuidores. La produccion seamana de la fabrica es de: 20, 25 y 30 unidades
respectivamente. Los requerimientos de los distribuidores corresponden a: 10,12,14,16 y
158 unidades semanales respectivamente. Los costos de enviar una unidad entre cada
fabrica y los distribuidores se presente a continuacion

Distribuidores
Fabricas A B C D E
1 42 32 33 39 36
2 34 36 37 32 37
3 38 31 40 35 35

Distribuidores
Fabricas A B C D E
1 10 42 10 32 33 39 36
2 34 2 36 14 37 9 32 37
3 38 31 40 7 35 18 35
Demanda 10 12 14 16 18
2 7

2493
Oferta Demanda
75 70

F Oferta
0 20 10
0 25 23 9
5 0 30 23 5
5 75
75
Modelo de transporte Esquina Noroeste

Una empresa, desea minimizar los costos de distribucion de productos, cuenta con 3
fabricas y 5 distribuidores. La produccion seamana de la fabrica es de: 20, 25 y 30 unidades
respectivamente. Los requerimientos de los distribuidores corresponden a: 10,12,14,16 y
158 unidades semanales respectivamente. Los costos de enviar una unidad entre cada
fabrica y los distribuidores se presente a continuacion

Distribuidores
Fabricas A B C D E
1 42 32 33 39 36
2 34 36 37 32 37
3 38 31 40 35 35

Distribuidores
Fabricas A B C D E
1 1 42 32 14 33 39 5 36
2 9 34 36 37 16 32 37
3 38 12 31 40 35 13 35
Demanda 10 12 14 16 18
1 5
0

Costo Total 2329

-164
Oferta Demanda
75 70

F Oferta
0 20 6 1 0
0 25 9
5 0 30 25 13
5 75
75
Fabrica A B C D E F
1 42 32 14 33 39 6 36 0
2 10 34 36 37 10 32 37 5 0
3 38 12 31 40 6 3512 35 0
Demanda 10 12 14 16 18 5
6 6

Penalizaciones 4 1 4 3 1 0
4 1 4 3 1 ---
4 --- 4 3 1 ---
4 --- --- 3 1 ---
--- --- --- 3 1 ---
--- --- --- 4 1 ---

cuando solo llego a dos costos, tomo el menor

Voguel 2340
Costo minimo 2329 La mejor opcion de distribucion es el costo minimo con un valor de Q2,329.00
Noroeste 2493
 Oferta Penalizaciones
20 6 0 32 1 3 3 3 3
25 20 10 32 2 2 2 5 ---
30 18 12 31 4 0 0 0 0
75

ostos, tomo el menor

un valor de Q2,329.00
Métodos de solución:
1. Método cuando existe solución factible inicial
2. Método cuando no existe solución factible inicial
3. Método cuando existe solución factible inicial y la matriz no es cuadrada

1. Método cuando existe solución factible inicial

Deben efectuarse cuatro reparaciones a cuatro distintas maquinas. El objetivo es determinar la asignación de est
Ejemplo.
MECANICOS
A B C D
1 0.16 0.14 0.15 0.18 0.14
2 0.12 0.13 0.16 0.14 0.12
Maq. a 3 0.14 0.13 0.11 0.12 0.11
Reparar 4 0.16 0.18 0.15 0.17 0.15

MECANICOS
A B C D
1 0.02 0 0.01 0.04 *se esta restando el
menor de cada fila
2 0 0.01 0.04 0.02
concada uno de sus
Maq. a 3 0.03 0.02 0 0.01 integrantes
Reparar 4 0.01 0.03 0 0.02
0 0 0 0.01

MECANICOS
A B C D
1 0.02 0 0.01 0.03
2 0 0.01 0.04 0.01
Maq. a 3 0.03 0.02 0 0
Reparar 4 0.01 0.03 0 0.01

MECANICOS
A B C D
1 0.16 0.14 0.15 0.18
2 0.12 0.13 0.16 0.14
Maq. a 3 0.14 0.13 0.11 0.12
Reparar 4 0.16 0.18 0.15 0.17

2. Método cuando no existe solución factible inicial

No siempre es posible obtener una asignación factible como en el ejemplo anterior : para estos casos , debe d
Ejemplo 1

Deben efectuarse cuatro reparaciones a cuatro distintas maquinas. El objetivo es determinar la asignación de est
MECANICOS
A B C D
1 2 6 8 5
2 11 9 12 11
3 6 7 13 9
4 10 9 10 7

Maq. a
Reparar

Ejemplo 2

Considérese el problema de asignar cuatro operadores a cuatro maquinas. Los de asignación se presentan en la
MAQUINA
1 2 3 4
1 65 65 62 M
2 67 64 62 63
3 69 63 65 67
4 M 62 66 67

OP.
 3.Método cuando existe solución factible inicial y la matriz no es cuadrada

Deben Ajustarse los orígenes y destinos m=n en todos los casos .

Ejemplo 1

Deben efectuarse cinco reparaciones a cinco distintas maquinas. Para ello cuenta con 6 mecánicos. El objetivo e

MECANICOS
A B C D D D
1 16 14 19 26 22 12
2 14 22 29 19 20 16
3 15 14 7 12 9 13
4 10 18 12 17 17 16
5 12 16 15 11 17 14

Maqu.

Maximización de recursos
No siempre el objetivo de una matriz de asignación corresponde al criterio de minimización de costos o tiempo. Exis
En este último caso, los pasos generales aplicables en cada uno de los métodos o situaciones descritas con anteriori
1. Reste el elemento de mayor valor de cada fila, de cada elemento de esa misma fila.
2. Reste le menor valor de cada columna, de cada elemento de esa misma fila.

Ejemplo 1
Los ingresos generados por ventas ,por cuatro personas (vendedores ), según la región que se les ha asignado con an

REGION
A B C D
1 2 6 8 5
2 11 9 12 11
3 6 7 13 9
4 10 9 10 7

Vendedor
es determinar la asignación de estas reparaciones al mecánico que nos cobre más barato, según la matriz de costos siguiente.

*se esta restando el

menor de cada fila
concada uno de sus
integrantes

Resumen Ejecutivo
Para la maquina 1 se asigno el mecanico B 0.14
para la maquina 2 se asigno mecanico A 0.12
para la maquina 3 se asigno el mecanico d 0.12
para la maquina 4 se asigno el mecanico c 0.15
0.53

anterior : para estos casos , debe de considerarse un conjunto de pasos adicionales

es determinar la asignación de estas reparaciones al mecánico que nos cobre mas barato , según la matriz de costos siguiente .

s de asignación se presentan en la siguiente tabla .Tenga en cuenta que el operador 1 no sabe utilizar la maquina 4 y el operado
nta con 6 mecánicos. El objetivo es determinar la asignación de estas reparaciones al mecánico que nos cobre más barato, segú
mización de costos o tiempo. Existe diversidad de aplicaciones en donde el objetivo de la matriz es la maximización de los recu
ituaciones descritas con anterioridad, son aplicables de la misma forma para maximizar la matriz, con excepción del primer pas
misma fila.

gión que se les ha asignado con anterioridad , el objetivo consistirá ahora en asignar cada uno de los vendedores , en la región
ún la matriz de costos siguiente.
gún la matriz de costos siguiente .

utilizar la maquina 4 y el operador 4 no puede utilizar la maquina 1. Encuentre la asignación óptima.

co que nos cobre más barato, según la matriz de costos siguiente.
triz es la maximización de los recursos, tales como, ingresos generados, calificaciones obtenidas, capacidad de trabajo, etc.
triz, con excepción del primer paso que cambia de criterio, siguiendo los siguientes pasos.

de los vendedores , en la región más conveniente , a fin de maximizar los ingresos por ventas .
as, capacidad de trabajo, etc.
 MECANICOS
A B C D
1 2 6 8 5 2
2 11 9 12 11 9
Maq. a 3 6 7 13 9 6
Reparar 4 10 9 10 7 7

MECANICOS
A B C D
1 0 4 6 3
2 2 0 3 2
Maq. a 3 0 1 7 3
Reparar 4 3 2 3 0
0 0 3 0
MECANICOS
A B C D
1 0 4 3 3
2 2 0 0 2
Maq. a 3 0 1 4 3
Reparar 4 3 2 0 0

MECANICOS
A B C D
1 0 3 2 2
2 3 0 0 2
Maq. a 3 0 0 3 2
Reparar 4 4 2 0 0

MECANICOS
A B C D
1 2 6 8 5
2 11 9 12 11
Maq. a 3 6 7 13 9
Reparar 4 10 9 10 7

Resumen Ejecutivo
Para la maquina 1 se asigno el mecanico A 2
para la maquina 2 se asigno mecanico C 12
para la maquina 3 se asigno el mecanico B 7
para la maquina 4 se asigno el mecanico D 7
28
CASO ESPECIAL

MAQUINA
A B C D
1 65 65 62 M
2 67 64 62 63
OPERADOR
3 69 63 65 67
4 M 62 66 67

MAQUINA
A B C D
1 3 3 0 M-62
2 5 2 0 1
OPERADOR
3 6 0 2 4
4 M-62 0 4 5
3 0 0 1
MAQUINA
A B C D
1 0 3 0 M-63
2 2 2 0 0
OPERADOR
3 3 0 2 3
4 M-65 0 4 4

MAQUINA
A B C D
1
2
OPERADOR
3
4

MECANICO
A B
1 16 14
2 14 22

MAQUINA
 3 15 14
MAQUINA
4 10 18
5 12 16
6 0 0

MECANICO
A B
1 4 2
2 0 8
3 8 7
MAQUINA
4 0 8
5 1 5
6 0 0

MECANICO
A B
1 4 0
2 0 6
3 8 5
MAQUINA
4 0 6
5 1 3
6 0 0

MECANICO
A B
1 4 0
2 0 4
3 8 5
MAQUINA
4 0 4
5 1 1
6 0 0
 62
62
63
62

MECANICO
C D E F
19 26 22 12 12
29 19 20 16 14
7 12 9 13 7
12 17 17 16 10
15 11 17 14 11
0 0 0 0 0

MECANICO
C D E F
7 14 10 0
15 5 6 2
0 5 2 6
2 7 7 6
4 0 6 3
0 0 0 0

MECANICO
C D E F
7 14 8 0
15 5 4 2
0 5 0 6
2 7 5 6
4 0 4 3
0 0 0 0

MECANICO
C D E F
7 14 8 0
13 5 2 0
0 5 0 6
0 7 3 4
2 0 2 1
0 0 0 0
Maximizacion de recursos

REGIÓN
A B C D
S1 2 6 8 5 8
2 11 9 12 11 12
RE
DO

3 6 7 13 9 13
E
ND

4 10 9 10 7 10
VE

REGIÓN
A B C D
1 6 2 0 3
S

2 1 3 0 1
RE
DO

3 7 6 0 4
E
ND

4 0 1 0 3
VE

0 1 0 1
REGIÓN
A B C D
1 6 1 0 2
S

2 1 2 0 0
RE
DO

3 7 5 0 3
E
ND

4 0 0 0 2
VE

REGIÓN
A B C D
1 5 0 0 1
S

2 1 2 1 0
RE
DO

3 6 4 0 2
E
ND

4 0 0 1 2
VE
 MODULO III

1. λ= Tasa de llegadas
2. µ= Tasa de Servicio
3. K=Cantidad de Servidores que atienden
*Quien manda es la tasa de llegada, en este caso las horas

λ= 10 Vehiculos por hora

µ= 4 mins 15 Clientes por hora
K= 1 Servidor

A. Probabilidad que el autobanco este vacio

Po = 1-ρ
Po= 33% Probabilidad que el banco este vacio
Factor de Utilización ρ
ρ= λ/Kµ
ρ= 0.667

B. Numero promedio de clientes que esperan en cola su turno

Lq= Número promedio de unidades en la cola

Lq= 〖 𝜆〗^2/
(µ (µ−
𝜆))
Lq= 1.33
Lq= 2 personas que esperan en cola su turno

C. El tiempo promedio que un cliente tarda en ser atendido, incluyendo la espera y el servicio
Ws= Tiempo promedio que tarde una unidad en el sistema
Ws= 0.2 hrs = 12 mints tiempo promedio que un cliente tarda en ser

D. Numero de clientes por hora que realmente son atendidos en promedio del servidor

ρ*µ 10 Clientes por hora

el servicio
medio que un cliente tarda en ser atendido
1. λ= Tasa de llegadas λ= 3.5
2. µ= Tasa de Servicio µ= 15
3. K=Cantidad de Servidores que atienden K= 2
Costo improductivo= 10
Costo de Operación= 20
Salario= 15
Jornada laboral= 8

1 mecanico 2 mecanicos

CT= 1240 q/diarios por 1 mecanico

Ls= 7
Respuesta ejecutiva
Si se recomienda la contratacion de un segundo mecanico par
camiones/hr
mins/camion 1 camion 60 mins
15 mins 1 hora 4
Q/hr
Q/camion 70 q/hr *Costo de operación real
Q/hr 30 *Salario para 2 mecanicos / hr
hrs

2 mecanicos

k -1
n 0

k -1
n 1

Ls= 1.0821256
 CT= 886.57

cion de un segundo mecanico para la reduccion de costos.

camion/hr *tasa de servicio real

Po= 0.39130435
q/diarios por 2 mecanicos
1. λ= Tasa de llegadas λ= 10 autos/hr
2. µ= Tasa de Servicio µ= 5 mins/cliente
3. K=Cantidad de Servidores que atienden K= 1 servidor
*restricción M= 4 autos

a. Número de autos que se encuentran en promedio esperando realizar su transacción

Lq= 16.0761
 por partes
Ls= 5 * 5

5 * 3.35949258
Ls= 16.7975

ρ= 0.833333333

Po= 0.2786

b. Tiempo promedio que un cliente espera en el sistema.

Ws= 1.9405 hr

λ= λ*(1-P4) 8.6562 autos/hr

 P4= 0.1344

c. Cantidad de clientes por hora que no pueden entrar al banco

Perdida de clientes= 1.3438 Promedio 2 Clientes

 1 autos 60 mins
12 autos/hr 5 mins 1 hora 12
* 0.40187757
0.59812243
*Real
autos/hr
1. λ= Tasa de llegadas λ= 40 clientes/hr
2. µ= Tasa de Servicio µ= 1.5 mins/cliente
3. K=Cantidad de Servidores que atienden K= 2
*restricción M= 6
Venta promedio = 25 q/cliente

a. Tiempo total que un cliente permanece en el sistema

Ws= 0.0260 hrs → 1.5598 mins

 λ= 39.5789

Ls= 0P0+1P1 + 0.0395 + 2 *

Ls= 1.0289

Probabilidades
Po= 1 * Po 0.33684

P1= 1 * Po 0.33684

P2= 0.5 * Po 0.16842

P3= 0.25 * Po 0.08421

P4= 0.125 * Po 0.04211

P5= 0.0625 * Po 0.02105

P6= 0.03125 * Po 0.01053

2.96875 * Po = 1
Po = 0.3368

Lq= 0.0395

ρ= 0.5
40 clientes/hr 1 cliente 60 mins
1.5 mins 1 hora 40

b. Perdida de ingresos por hr por aquellos clientes que no pueden entrar a l

Perdida de ingresos= 25 *
Perdida de ingresos= 10.5263 quetzales/clientes
(1-(P0+P1))
 *Real
clientes/hr

clientes que no pueden entrar a la tienda

0.4211
etzales/clientes
 Toneladas de
Basura Frecuencia de Probabilidad
Probabilidad Rango de numeros aleatorios
recolectadas por ocurrencia Acumulada
día

10 6 0.06 0.06 0 0.06

20 10 0.1 0.16 0.0601 0.1601
30 13 0.13 0.29 0.1602 0.2902
40 22 0.22 0.51 0.2903 0.5103
50 26 0.26 0.77 0.5104 0.7704
60 18 0.18 0.95 0.7705 0.9505
70 5 0.05 1 0.9506 1.0006
TOTAL 100 1

0.95
0.85
Toneladas Frecuencia
0.75
10 1
0.65
20 1
0.55
30 2
0.45
40 2
0.35
50 3 0.25
60 1 0.15
70 0 0.05
0.06 0.1 0.13 0.22
grafica de toneladas de ba- 0.06 0.1 0.13 0.22
sura
Column D 0.06 0.16 0.29 0.51
 10 dias

Numero
Dias Toneladas
aleatorio

1 0.57714 50
2 0.16955 30
3 0.67223 50
4 0.19399 30
5 0.0215 10
6 0.11649 20
7 0.67846 50
8 0.35595 40
9 0.84752 60
10 0.4061 40

5
5
5
5
5
5
5
5
5
5
0.06 0.1 0.13 0.22 0.26 0.18 0.05
0.06 0.1 0.13 0.22 0.26 0.18 0.05

0.06 0.16 0.29 0.51 0.77 0.95 1