Académique Documents
Professionnel Documents
Culture Documents
#1-9
Mtodos Cuantitativos
Para la Toma de Decisiones
19 de mayo de 2014
Grupo: 3CV1
Escuela Superior de Cmputo
M. en A. Jos Cruz Martnez Perales
Prcticas de Mtodos Cuantitativos para la toma de Decisiones
Grupo 3CV1
M. en A. Jos Crz Martnez Perales
19/05/14
Sobre los mtodos cuantitativos:
Son mtodos mediante los cuales se obtiene una cifra, o llmale nmero o indicador,
que al ser comparado con otro, o ser analizado, facilita el proceso de toma de
decisiones.
Para la toma de decisiones generalmente hay que establecer previamente un criterio
de decisin. Por ejemplo: "se elige un proyecto como el mejor si es el de ms alta
rentabilidad". El criterio de decisin es tener una alta rentabilidad y cada proyecto
arroja un nmero relacionado con su respectiva rentabilidad, luego, se comparan los
nmeros entre s y se selecciona el de mayor valor.
Existen muchos modelos, algunos de los cuales se hacen considerando o no la
incertidumbre (modelos probabilsticos).
En ciertos casos, se amerita construir una matriz de decisin a la que se le puede
aplicar un criterio de decisin como lo es: Maximin, Maximax, Hurwicz, Laplace o el
criterio de arrepentimiento o Savage, donde, en todos, el resultado se analiza
mediante una cantidad. De all que se les denomine mtodos cuantitativos.
En otros casos, se usan rboles de decisin para ilustrar el problema y es en la parte
final de cada rama donde aparece un nmero (de acuerdo a ciertos clculos), el cual
es comparado con el resultado final de cada una de las ramas, para tomar la decisin
segn se maximicen los beneficios o se minimicen los costos.
Teora de Decisiones en el sector pblico y en la empresa privada
Autor: J. Acosta Flores
Edit.: Representaciones y servicios de ingeniera, S.A. Mxico
Prcticas de Mtodos Cuantitativos para la toma de Decisiones
Grupo 3CV1
M. en A. Jos Crz Martnez Perales
19/05/14
Prcticas 1-9
Introduccin
Este manual de prcticas ha sido elaborado a partir del Programa de Estudios de la
Unidad de Aprendizaje de Mtodos Cuantitativos para la Toma de Decisiones de la
Escuela Superior de Cmputo (ESCOM). El curso esta dedicado a temas como: la
formulacin de modelos, el mtodo grfico, el mtodo simplex, anlisis de dualidad, flujo
mximo, modelos de redes, los modelos de transporte y modelos de control de
inventarios.
Los mtodos cuantitativos juegan un papel clave en la administracin y la optimizacin
de procesos, por lo que es relevante estudiar los diferentes mtodos cuantitativos que
mejor se ajusten a la solucin de problemas del campo de la investigacin de
operaciones. Este manual de prcticas tiene como propsito abordar los mtodos de
solucin de los diferentes modelos matemticos que se formulan en la investigacin de
operaciones, tanto desde el punto de vista analtico, grfico como auxiliarnos de las
herramientas computacionales sobre todo en aquellos cuyo nivel de complejidad de
clculo lo requieran.
MANUAL DE PRCTICAS DE LABORATORIO
UNIDAD ACADMICA: Escuela Superior de
Cmputo
PROGRAMA ACADMICO: Ingeniera en
Sistemas Computacionales
REA DE FORMACIN: Profesional
MODALIDAD: Presencial
UNIDAD DE APRENDIZAJE: Mtodos Cuantitativos
para la Toma de Decisiones
TIPO DE UNIDAD DE APRENDIZAJE: Terico
Prctica Optativa.
NIVEL: III
PROPSITO DE LA UNIDAD DE APRENDIZAJE:
Planea el uso de recursos limitados, con base en la aplicacin de mtodos cuantitativos.
EVALUACIN Y ACREDITACIN DE LAS PRCTICAS:
Las prcticas se consideran requisito indispensable para acreditar esta unidad de
aprendizaje.
El porcentaje que las prcticas aportan a la calificacin final es el siguiente:
Unidad II. 20%
Unidad III. 20%
Unidad IV. 20%
Unidad V. 20%
La calificacin de las prcticas (20% de la calificacin de las Unidad de Aprendizaje II,
III, IV y V), se conformar de la siguiente manera:
PORCENTAJE DE
LA CALIFICACIN
CALIFICACIN % X CALIF
REALIZACIN DE LA
PRCTICA
(FUNCIONALIDAD)
60% 10 6
REPORTE ESCRITO 40% 10 4
CALIFICACIN FINAL DE LA PRCTICA 10
NDICE
Prctica 1. Formulacin de Modelos Matemticos 1
Prctica 2. Mtodo Grfico y Mtodo Simplex . 6
Prctica 3. Anlisis de Dualidad . 9
Prctica 4. Mtodo Simplex Dual . 13
Prctica 5. Algoritmo de Flujo Mximo .. 17
Prctica 6. Mtodo de la Ruta Crtica (CPM) 21
Prctica 7. Tcnica de Evaluacin y Revisin de Programas (PERT) . 24
Prctica 8. Modelo de Transporte .. 27
Prctica 9. Modelo del Lote Econmico ... 30
Bibliografa .. 34
Ella sabe que la produccin tanto de blusa de seda, como del suter de algodn deja
material de desperdicio. En especial para producir una blusa de seda o un suter de
algodn, se necesitan dos yardas de seda y dos de algodn, respectivamente. De
estas dos yardas 1.5 se usan para la blusa o el suter y el 0.5 yarda queda como
material de desperdicio. Ella no quiere desaprovechar este material, por lo que planea
utilizar el desperdicio rectangular de seda o algodn para producir una camisola de
seda o una minifalda de algodn, respectivamente. Por lo tanto, si se producen una
blusa de seda, tambin se produce una camisola de este material. Del mismo modo,
cuando se produce un suter de algodn, tambin se fabrica una minifalda de algodn.
Observe que es posible producir una blusa del mismo material o una minifalda de
algodn sin producir un suter de algodn.
Los pronsticos de demanda indican que algunos artculos tienen una demanda
limitada. En particular, dado que los pantalones y camisas de terciopelo son
novedades, TrendLines ha pronosticado que se pueden vender slo 5 500 pantalones
y 6 000 camisas. La empresa no quiere producir ms de la demanda pronosticada
porque una vez que pasen de moda, la empresa no los podr vender. Sin embargo,
puede producir menos de lo pronosticado, ya que no se requiere que la compaa
cumpla con la demanda. El suter de casimir tambin tiene una demanda limitada
porque es bastante costoso, y TrendLines sabe que puede vender, como mximo
4,000 suteres. La blusa de seda y las camisolas tienen demanda limitada por la idea
de las mujeres de que es difcil cuidar la seda, y las proyecciones de TrendLines, son
que puede vender a lo ms 12 000 blusas y 15 000 camisolas.
Los pronsticos de demanda tambin indican que los pantalones de lana, las faldas
ajustadas y las chaquetas de lana tienen gran demanda porque son artculos bsicos
necesarios en todo guardarropa profesional. En especial la demanda de pantalones de
lana es de 7 000 y la de las chaquetas es de 5 000. Katherine desea cumplir con al
menos 60% de la demanda de esos dos artculos para mantener la lealtad de su base
de clientes y no perderlos en el futuro. Aunque la demanda de faldas no se puede
estimar Katherine siente que debe producir al menos 2 800.
a) Ted intenta convencer a Katherine de no producir camisas de terciopelo, pues la
demanda de esta moda novedosa es baja. Afirma que slo es responsable de
$500 000 de los aspectos de diseo y otros costos fijos. La contribucin neta
(precio del artculo costos de materiales costo de mano de obra) cuando se
vende la novedad debe cubrir estos costos fijos. Cada camisa de terciopelo
genera una utilidad neta de $22. l afirma que dada la contribucin neta aun si se
satisface la demanda mxima, no dejar ganancias. Qu piensa del argumento
de Ted?.
b) Formule y resuelva un problema de Programacin Lineal para maximizar las
ganancias dadas las restricciones de produccin, recursos y demanda.
c) Encuentre la solucin ptima con Win QSB.
Antes de tomar una decisin final, Katherine planea explorar las siguientes preguntas
independientes, excepto cuando se indique otra cosa.
d) El distribuidor de textiles informa a Katherine que no puede regresar el terciopelo
porque los pronsticos de demanda muestran que la demanda de esta tela
disminuir en el futuro. En consecuencia, Katherine no obtendr el rembolso por
su terciopelo, en qu cambia este hecho el plan de produccin?
5
INSTITUTO POLITCNICO NACIONAL
ESCUELA SUPERIOR DE CMPUTO
DEPARTAMENTO DE INGENIERA EN SISTEMAS
COMPUTACIONALES
ACADEMIA DE PROYECTOS ESTRATGICOS Y TOMA DE
DECISIONES
MANUAL DE PRCTICAS
UNIDAD DE APRENDIZAJE Mtodos Cuantitativos para la Toma de Decisiones
UNIDAD TEMTICA II. Programacin Lineal
No. y Ttulo de la prctica: 2. Mtodo Grfico y
Mtodo Simplex.
Tiempo de realizacin: 3
horas.
Objetivo de la prctica: Encuentra la solucin ptima
de los modelos matemticos de programacin lineal
planteados, a travs del mtodo simplex grfico y
algebraico.
Situacin problemtica:
El alumno podr apoyarse en la programacin lineal para la toma de decisiones
reduciendo el problema bajo estudio a un modelo matemtico general, y una vez
construido el modelo, ser capaz de encontrar la solucin ptima del problema ya sea
por el mtodo grfico o el mtodo simplex .
Competencia especfica : Resuelve modelos de programacin lineal mediante la
aplicacin del mtodo simplex, tanto grfico como algebraico.
Competencias genricas:
Toma de decisiones efectivas
fundamentadas en una evaluacin de
diferentes alternativas de solucin.
Competencias particulares:.
Resuelve modelos matemticos de
programacin lineal por el mtodo grfico
y el mtodo simplex.
Criterios de evaluacin
- Ejercicios en clase
- Debates en clase
- Lista de cotejo
7
Lista de cotejo para evaluar la prctica nmero 2. Mtodo Grfico y Mtodo Simplex.
Indicador Realizado Pendiente No realizado
Se formul el modelo
matemtico
correctamente
Se trazaron las
ecuaciones de las
restricciones
Se determin la
regin factible
Se grfico la recta de
isoutilidad (recta de
Z)
Se lleg a la solucin
ptima en el mtodo
grfico
Se realizaron los
pasos del mtodo
simplex con destreza
y precisin
Se lleg a la solucin
ptima en el mtodo
simplex
Se interpretaron los
resultados
Orden y limpieza
INTRODUCCIN
El mtodo grfico se emplea para resolver problemas que presentan slo dos variables
de decisin. El procedimiento consiste en trazar las ecuaciones de las restricciones en
un eje de coordenadas X1, X2 para tratar de identificar el rea de soluciones factibles
(soluciones que cumplen con todas las restricciones). Sin embargo, los problemas reales
de programacin lineal generalmente tienen ms de dos variables de decisin y muchas
restricciones. Tales problemas no pueden ser resueltos grficamente. Se usan
algoritmos tales como el simplex. El mtodo simplex es un procedimiento iterativo que
progresivamente permite obtener una solucin ptima para los problemas de
programacin lineal.
Recursos y/o material
Computadora, Calculadora
8
DESARROLLO DE LA PRCTICA:
Resolver por el mtodo grfico y el mtodo simplex algebraico el siguiente problema,
utilizando los pasos de la metodologa de la Investigacin de Operaciones:
Giapetto Woodcarving, Inc., manufactura dos tipos de juguetes de madera: soldados y
trenes. Un soldado se vende en 27 dlares y requiere 10 dlares de materia prima. Cada
soldado que se fabrica incrementa la mano de obra variable y los costos globales de
Giapetto en 14 dlares. Un tren se vende en 21 dlares y utiliza 9 dlares de su valor en
materia prima. Todos los trenes fabricados aumentan la mano de obra variable y los
costos globales de Giapetto en 10 dlares. La fabricacin de soldados y trenes de
madera requiere dos tipos de mano de obra especializada: carpintera y acabados. Un
soldado necesita dos horas de trabajo de acabado y una hora de carpintera. Un tren
requiere una hora de acabado y una hora de carpintera. Todas las semanas, Giappeto
consigue todo el material necesario, pero slo 100 horas de trabajo de acabado y 80 de
carpintera. La demanda de trenes es ilimitada, pero se venden cuando mucho 40
soldados por semana. Giapetto desea maximizar las utilidades semanales (ingresos
costos).
1. Formule un modelo matemtico de Programacin Lineal para la situacin de
Giapetto que se use para maximizar las utilidades semanales de la empresa.
2. Resuelva el problema por el mtodo grfico resolviendo las siguientes preguntas:
a) Determine la regin factible del problema.
b) Determine cules son los puntos extremos factibles (Soluciones Bsicas
Factibles).
c) Grafique la recta de isoutilidad (recta de Z).
d) Encuentre la solucin ptima a travs del mtodo grfico para el problema
de Giapetto.
3. Encuentre la solucin ptima a travs del mtodo simplex para el problema de
Giapetto.
4. Realice un anlisis de las Soluciones Bsicas Factibles (SBF) que ofrece el
mtodo grfico y comprelas con cada una de las Soluciones Bsicas Factibles
(SBF) que ofrece en cada iteracin el mtodo simplex.
CIERRE DE LA PRCTICA
1. Defina con sus propias palabras lo que es una solucin factible.
2. Explique cmo se identifica la solucin ptima en el mtodo grfico.
3. Explique por qu el mtodo grfico sirve de base para comprender la
metodologa del simplex.
9
INSTITUTO POLITCNICO NACIONAL
ESCUELA SUPERIOR DE CMPUTO
DEPARTAMENTO DE INGENIERA EN SISTEMAS
COMPUTACIONALES
ACADEMIA DE PROYECTOS ESTRATGICOS Y TOMA DE
DECISIONES
MANUAL DE PRCTICAS
UNIDAD DE APRENDIZAJE Mtodos Cuantitativos para la Toma de Decisiones
UNIDAD TEMTICA III. Anlisis de Dualidad y Sensibilidad
No. y Ttulo de la prctica: 3. Anlisis de Dualidad. Tiempo de realizacin: 3
horas.
Objetivo de la prctica: Realizar la interpretacin
econmica de las variables duales, a travs de
establecer las relaciones fundamentales entre el
problema primal y su dual.
Situacin problemtica:
El alumno aprender que asociado a todo problema de programacin lineal, existe otro
problema lineal llamado dual. Las relaciones entre el problema dual y el original (llamado
primal) son en extremo tiles en una gran variedad de situaciones. Por ejemplo, la
solucin ptima del problema dual es la que proporciona los precios sombra. El precio
sombra es la cantidad que el valor ptimo de Z se mejora, si el lado derecho de la i
sima restriccin aumenta una unidad. Los precios sombra para el recurso i (denotados
por Yi) miden el valor marginal de este recurso, es decir, la tasa a la que Z puede
aumentar si se incrementa la cantidad que se proporciona de este recurso (bi). El
alumno determinar qu tanto se modifica el valor de Z de un problema de PL, cuando
cambia el lado derecho de una restriccin.
Competencia especfica :
Realiza una interpretacin econmica de los problemas de optimizacin, con base en los
problemas duales y su primal correspondiente.
Competencias genricas:
Desarrolla el pensamiento anlitico para la
solucin de problemas.
Competencias particulares:
Realiza la interpretacin econmica de
las variables duales.
Criterios de evaluacin
- Ejercicios en clase
- Elaboracin de resmenes
- Aplicacin de cuestionarios
- Debates en clase
- Lista de cotejo
10
DESARROLLO DE LA PRCTICA:
Ejercicio 1:
La empresa Dakota cuenta con la siguiente informacin:
Recurso
Escritorio
Mesa
Silla
Cantidad de
Recursos
Disponibles
Madera (pie tabln) 8 6 1 48
Acabado (horas) 4 2 1.5 20
Carpintera (horas) 2 1.5 0.5 8
Precio de venta (dlares) 60
30 20
Por lo tanto, el problema de PL para maximizar las utilidades de la empresa Dakota es:
Max Z = 60X1+30X2+20X3
s.a.
8X1+ 6X2+ X3 <= 48 Pies de tabln de madera
4X1+ 2X2+1.5X3 <=20 Horas de acabado
2X1+1.5X2+0.5X3 <= 8 Horas de carpintera
X1, X2, X3 >=0
Suponga que un empresario desea comprar todos los recursos de Dakota. Luego el
comprador debe determinar el precio que est dispuesto a pagar por una unidad de cada
recurso de Dakota.
Bsicamente el problema del comprador de Dakota consiste en determinar el precio
competitivo que debe pagar por cada uno de los recurso de la empresa.
Si se define:
Y1 = precio pagado por 1 pie tabln de madera
Y2= precio pagado por 1 hora de acabado
Y3= precio pagado por 1 hora de carpintera
a) Elabore el problema dual del problema primal y explique el significado qu tiene
cada una de las restricciones del problema dual, as como el significado de la
funcin objetivo del problema dual.
b) Encuentre los valores de las variables y1, y2, y3; y realice la interpretacin
econmica de las variables duales.
c) Si hubiera dsiponibles 18 horas de acabado, cul sera el ingreso de Dakota?
d) Si se contara con 9 horas de carpintera, cul sera el ingreso de Dakota?
e) Si hubiera disponibles 30 pies tabln de madera, cul sera el ingreso de
Dakota?
12
Ejercicio 2:
El entrenador en jefe del equipo de ftbol americano Ola Verde, est interesado en
preparar lo que ha llamado la EV (ensalada vitamnica), la cual puede prepararse a
partir de cinco verduras bsicas disponibles y definidas como 1, 2, 3, 4 y 5. Se desea
que la EV contenga por lo menos 10 unidades de vitamina A y 25 unidades de vitamina
C. La informacin relevante del contenido vitamnico y costo de las verduras se
proporciona en la siguiente tabla:
Tabla 1. Contenido vitamnico y costo de cinco verduras:
Verduras
(unidades de vitamina por kg)
Vitamina 1 2 3 4 5
A 2 0 3 4 1
C 1 2 2 1 3
Costo ($/kg) 100 80 95 100 110
El problema de la preparacin de la EV que enfrenta el entrenador en jefe puede
resolverse mediante el modelo de PL que a continuacin se formula:
Minimizar Z = 100XI +80X2 +95X3+100X4+110X5
Sujeto a:
2X1+0X2+3X3+4X4+X5 >= 10
X1+2X2+2X3+X4+3X5>=25
Xj>=0 j= 1, 2,,5
Suponga que el dueo de unos laboratorios farmacuticos se entera de la EV y
vislumbra la posibilidad de entablar un negocio con el entrenador al fabricarle pastillas
de vitamina A y vitamina C. Por lo tanto, logra convencerlo de que si los jugadores
toman las pastillas, stos obtendrn los requerimientos vitamnicos solicitados, y que el
costo de las mismas es competitivo con respecto al de las verduras. Por lo tanto, es casi
seguro que su idea ser aceptada. Sin embargo, cmo debe proceder el fabricante de
vitaminas?; El problema dual puede ayudarle?
Bsicamente el problema del fabricante consiste en determinar el precio competitivo que
debe asignar a cada tipo de pastilla. Si se definen:
y1= precio de cada pastilla de una unidad de vitamina A
y2 = precio de cada pastilla de una unidad de vitamina C
Note que para facilitar la explicacin se tom arbitrariamente como base pastillas con
una unidad de vitamina.
a) Elabore el problema dual del problema primal y explique el significado que tiene
cada una de las restricciones del problema dual, as como el significado de la
funcin objetivo del problema dual.
b) Encuentre los valores de las variables y1 y y2; y realice la interpretacin
econmica de las variables duales.
CIERRE DE LA PRCTICA
1. Mencione tres aplicaciones de la teora de dualidad en la programacin lineal.
2. Explique las relaciones generales entre los modelos primal y dual.
13
INSTITUTO POLITCNICO NACIONAL
ESCUELA SUPERIOR DE CMPUTO
DEPARTAMENTO DE INGENIERA EN SISTEMAS
COMPUTACIONALES
ACADEMIA DE PROYECTOS ESTRATGICOS Y
TOMA DE DECISIONES
MANUAL DE PRCTICAS
UNIDAD DE APRENDIZAJE Mtodos Cuantitativos para la Toma de Decisiones
UNIDAD TEMTICA III. Anlisis de Dualidad y Sensibilidad
No. y Ttulo de la prctica: 4. Mtodo Simplex Dual. Tiempo de realizacin: 3
horas.
Objetivo de la prctica: Resolver modelos de
programacin lineal, con base en la aplicacin del
mtodo simplex dual.
Situacin problemtica:
El alumno resolver problemas de programacin lineal utilizando el mtodo simplex pero
desde el enfoque dual, de ah su nombre. El alumno aprender que el mtodo simplex
dual, evita la introduccin de las variables artificiales al problema por solucionar, lo cual
representa una gran ventaja.
Competencia especfica :
Resuelve modelos de programacin lineal, utilizando el mtodo simplex dual.
Competencias genricas:
Se actualiza y aprende permanentemente,
con respecto a las tcnicas, metodologas y
herramientas necesarias para su desarrollo
profesional.
Competencias particulares:
Aplica el mtodo simplex dual como un
complemento (dual) al mtodo simplex.
Criterios de evaluacin
- Ejercicios en clase
- Debates en clase
- Lista de cotejo
14
Lista de cotejo para evaluar la prctica nmero 4. Mtodo Simplex Dual.
Indicador Realizado Pendiente No realizado
Realiz las
transformaciones
necesarias al modelo
para aplicar el mtodo
simplex dual
Aplic correctamente
los pasos del mtodo
simplex dual
Determin
correctamente los
precios sombra
Realiz la
interpretacin correcta
de la solucin
Orden y limpieza
INTRODUCCIN
El mtodo simplex dual es un esquema iterativo que genera Soluciones Bsicas
Factibles (SBF) que mantienen la inmejorabilidad (superptimas) y busca la factibilidad.
Dicho esquema iterativo fue desarrollado por C. E. Lemke en 1954.
Un problema se puede resolver por el mtodo simplex dual cuando, despus de
transformar un modelo de programacin lineal a la forma estndar, para lo cual se
agregan las variables de holgura necesarias, al menos uno de los elementos del vector b
(vector de disponibilidades) es negativo y la condicin de optimalidad se satisface.
Recursos y/o material
Computadora, calculadora
15
DESARROLLO DE LA PRCTICA:
Ejercicio 1:
El problema de PL (primal) para maximizar las utilidades de la empresa Dakota es:
Max Z = 60X1+30X2+20X3
s.a.
8X1+ 6X2+ X3 <= 48 Restriccin de pies de tabln de madera
4X1+ 2X2+1.5X3 <=20 Restriccin de las horas de acabado
2X1+1.5X2+0.5X3 <= 8 Restriccin de las horas de carpintera
X1, X2, X3 >0
Cuya solucin ptima es la siguiente:
X1 = 2
X2 = 0
X3 = 8
Max Z = 280
El problema dual del caso anterior es:
Mn F = 48YI + 20 Y2 +8 Y3
s.a.
8Y1 + 4Y2 + 2 Y3 >= 60
6Y1 + 2Y2 + 1.5 Y3 >= 30
1Y1 + 1.5Y2 + 0.5 Y3 >= 20
Y1, Y2, Y3 >= 0
En forma de maximizacin:
Max F = - 48Y1 -20X2 8Y3
s.a.
-8Y1 - 4Y2 - 2Y3 <= -60
-6Y1 - 2Y2 - 1.5 Y3 <= -30
- 1Y1 - 1.5 Y2 - 0.5 Y3 <= -20
Y1, Y2, Y3, >= 0
Aplique el mtodo simplex dual para encontrar la solucin ptima:
16
Ejercicio 2:
Una compaa juguetera fabrica trenes, camiones y coches, con tres operaciones. Los
lmites diarios de tiempo disponible para las tres operaciones son 430, 460 y 420
minutos, respectivamente, y los beneficios por tren, camin y coche son 3 euros, 2 euros
y 5 euros, respectivamente. Los tiempos de cada operacin por tren son 1, 3 y 1 minuto,
por camin 2, 0 y 4, y por coche son 1, 2 y 0, todos ellos en minutos (un tiempo cero
indica que no es necesaria esa operacin).
El modelo primal de nuestro problema es:
Maximizar(Z) = 3X1 + 2X2 + 5X3
s.a.
1X1 + 2X2 +1X3 <= 430 minutos
3X1 + 0X2+ 2X3 <= 460 minutos
1X1 + 4X2+ 0X3 <= 420 minutos
X1, X2, X3 >= 0
X1 = Nmero de trenes que hay que fabricar.
X2 = Nmero de camiones que hay que fabricar.
X3 = Nmero de coches que hay que fabricar.
a) Resuelva el problema, utilizando el mtodo simplex dual, en caso de ser necesario,
realice las transformaciones necesarias al modelo primal.
b) Determine los precios de sombra de las capacidades de los recursos.
c) Exponga las conclusiones al respecto.
CIERRE DE LA PRCTICA
1. Analice la lgica del mtodo simplex - dual.
17
INSTITUTO POLITCNICO NACIONAL
ESCUELA SUPERIOR DE CMPUTO
DEPARTAMENTO DE INGENIERA EN SISTEMAS
COMPUTACIONALES
ACADEMIA DE PROYECTOS ESTRATGICOS Y TOMA DE
DECISIONES
MANUAL DE PRCTICAS
UNIDAD DE APRENDIZAJE Mtodos Cuantitativos para la Toma de Decisiones
UNIDAD TEMTICA IV. Modelos de Redes y de Transportes
No. y Ttulo de la prctica: 5. Algoritmo de Flujo Mximo. Tiempo de
realizacin:
3 horas.
Objetivo de la prctica: Determinar la cantidad mxima de flujo de un punto de partida
a un punto terminal.
Situacin problemtica:
Los alumnos aprendern a modelar mediante una red en la que se desea transportar la cantidad
mxima de flujo de un punto de partida (conocido como fuente) a un punto terminal (llamado destino),
en la que los arcos de dicha red tienen una capacidad que limita la cantidad de un producto que se
podra enviar a travs de un arco.
Competencia especfica :
Resuelve modelos de redes y de transporte mediante las tcnicas o algoritmos que le ofrezcan la
solucin ptima.
Competencias genricas:
Toma decisiones efectivas fundamentadas en
una evaluacin de diferentes alternativas de
solucin.
Competencias particulares:
Determinar la cantidad mxima de productos que
pueden entrar y salir de un sistema en un periodo
determinado de tiempo.
Criterios de evaluacin:
- Ejercicios en clase
- Debates en clase
- Lista de cotejo
18
2 25 0 3
0 10 0 20
30 15 0
1 40 0 3 25 0 6 40 0 0 8
0
Fuente 35 0 Destino
0 10 30
4 20 0 7
Problema 2:
Una empresa minera tiene tres yacimientos m, m, m. El mineral extrado se transporta a travs de
la red de la figura a tres plantas de procesado. La cantidad de mineral que puede ser extrada de los
yacimientos m, m, y m es de 5, 10 y 15 toneladas diarias, respectivamente. En cuanto a las plantas
de procesado su capacidad es de 14 toneladas diarias en la planta p, 9 en la planta py 7 en la planta
p . Determine la cantidad mxima de mineral que puede ser extrada y procesada en un nico da.
m 5 ton p 14 ton
m 10 ton p 9 ton
m15 ton p 7 ton
20
CIERRE DE LA PRCTICA
1. Indique aquellas situaciones en que usted considere se pueden aplicar los problemas de flujo
mximo.
2. Enumere los pasos del algoritmo.
21
desarrollo profesional.
Toma decisiones efectivas
fundamentadas en una evaluacin
de diferentes alternativas de
solucin.
Asume un compromiso
permanente con la calidad
personal y profesional.
Criterios de evaluacin
Elabora una lista de cotejo
Ejercicios en clase
Elaboracin de resmenes
Aplicacin de cuestionarios
Debates en clase
Lista de cotejo
Lista de cotejo para evaluar la prctica nmero: 6. Clculo de la ruta crtica
Indicador Realizado Pendiente No realizado
Cuenta con una
descripcin de
actividades
Cuenta con la matriz
de precedencia
Cuenta con una
matriz de tiempo por
actividad
Se tiene una red de
actividades
Se cuenta con los
tiempos de
realizacin en cada
actividad
Se indica la
sumatoria: por
actividad o por rutas.
Se cuenta con el
valor total de la ruta
crtica
Se cuenta con una
interpretacin de la
red y su valor total.
23
INTRODUCCIN
El mtodo de la ruta crtica (CPM, por sus siglas en ingls), es una herramienta para
llevar el control de todo proyecto o de una serie de actividades, donde se pretende
calcular el tiempo mximo de terminacin de dicho proyecto. Este al desglosarse, se le
puede conocer tambin sus tiempos de inicio, as como sus tiempos de terminacin.
Recordemos que uno de los conceptos de la ruta crtica es, el tiempo mximo que
existe del origen al destino, esto visto en forma esquemticas, es decir en una red de
actividades o tambin se le conoce como redes PERT (Revisin y Evaluacin Tcnicas
de Programas).
Recursos y/o material
Calculadora
Computadora
DESARROLLO DE LA PRCTICA:
1. Conocer el proyecto a desarrollar
2. Descripcin de las actividades
3. Diseo de la matriz de decisin
4. Elaboracin de la red de actividades
5. Clculo de la ruta crtica
6. Conclusiones y/o interpretaciones.
Ejercicio:
Con la siguiente informacin construya una red de actividades y encuentre la ruta
crtica por medio de un mtodo mostrado en clase.
Actividad Precedencia Tiempo (das)
A - 1
B A 3
C A 5
D C 7
E A 9
F BD 11
G BD 2
H G 4
I G 6
J FH 8
K GE 11
L E 1
M FHI 3
N JKLM 5
O JKLM 9
P NO 2
CIERRE DE LA PRCTICA
Resolver un cuestionario y realizar un organizador grfico.
24
INSTITUTO POLITCNICO NACIONAL
ESCUELA SUPERIOR DE CMPUTO
DEPARTAMENTO DE INGENIERA EN SISTEMAS
COMPUTACIONALES
ACADEMIA DE PROYECTOS ESTRATGICOS Y TOMA DE
DECISIONES
MANUAL DE PRCTICAS
UNIDAD DE APRENDIZAJE: Mtodos Cuantitativos para la Toma de Decisiones
UNIDAD TEMTICA: Modelos de redes y de transporte
No. y Ttulo de la prctica: 7. Redes PERT
(especificar: PERT-simple; PERT-Probabilstico; PERT-
Costo
Tiempo de realizacin: Tres
horas.
Objetivo de la prctica: Elaborar la red de actividades
correspondiente al conjunto de actividades de un
proyecto, con la finalidad de calcular la ruta crtica, por
medio de los medio del PERT Simple o Programacin
de Proyectos
Situacin problemtica:
Se realiza la prctica para poder organizar y desglosar un proyecto en actividades y de
esta forma realizar una red de flechas, la cual nos muestra los tiempos de inicio y
terminacin de dicho proyecto.
Con esto el alumno aprender la forma de desglosar un proyecto en la vida laboral y as
calcular los tiempos de terminacin.
Competencia especfica :
Diseo de la matriz de precedencia
Clculo de la ruta crtica
Uso del o de los mtodos analticos
Uso del software (ejem: Winqsb)
Competencias genricas:
Criterio y razonamiento lgico para
la solucin de problemas.
Expresin oral y escrita.
Actitudes de: respeto,
responsabilidad.
Poseer un pensamiento crtico y
reflexivo.
Capacidad para aprender de forma
autnoma.
Capacidad para trabajar de forma
colaborativa.
Disposicin para el trabajo en
equipo.
Se actualiza y aprende
permanentemente, con respecto a
las tcnicas, metodologas y
herramientas necesarias para su
desarrollo profesional.
Competencias particulares:
Investigacin, anlisis y sntesis de
informacin.
Manejo de aplicaciones
computacionales
Disea y desarrolla sistemas para
resolver diversas necesidades.
Disea y desarrolla proyectos
usando las tcnicas de ingeniera
ms adecuadas para cada caso
25
INTRODUCCIN
El mtodo de Redes PERT es una herramienta para llevar el control de todo proyecto o
de una serie de actividades, donde se pretende calcular los tiempos ptimo, pesimista
y ms probable de dicho proyecto. Por medio de este mtodo se puede conocer la
probabilidad de que dicho proyecto se pueda terminar en un determinado tiempo, as
como en cada uno de sus nodos.
Recordemos que uno de los conceptos de la ruta crtica es, el tiempo mximo que
existe del origen al destino, esto visto en forma esquemticas, es decir en una red de
actividades o tambin se le conoce como redes PERT (Revisin y Evaluacin Tcnicas
de Programas).
Recursos y/o material
Calculadora
Computadora
DESARROLLO DE LA PRCTICA:
1. Conocer el proyecto a desarrollar
2. Descripcin de las actividades
3. Diseo de la matriz de decisin
4. Elaboracin de la red de actividades
5. Clculo del tiempo estndar o estimado
6. Clculo de la varianza
7. Clculo del valor esperado
8. Obtencin de la desviacin estndar
9. Obtencin de las probabilidades
Ejercicio:
Con la siguiente informacin construye la red PERT y encuentra la ruta crtica por
medio del PERT-simple.
Actividad Precedencia Tiempo (das)
A - 1
B A 3
C A 5
D C 7
E A 9
F BD 11
G BD 2
H G 4
I G 6
J FH 8
K GE 11
L E 1
M FHI 3
N JKLM 5
O JKLM 9
P NO 2
CIERRE DE LA PRCTICA
Resolver un cuestionario y realizar un organizador grfico
27
INTRODUCCIN
En este tipo de mtodos se utiliza sobre todo en empresas de logstica o ms
correctamente en empresas donde su producto es repartido en diferentes lugares
(por ejemplo en tiendes de autoservicio, de mensajera, etc.), ya la importancia de
esto es tocar todas las estaciones con la mxima entrega del producto, en el menor
tiempo posible y al menor costo involucrado.
Los antecedentes necesarios para este tipo de mtodos es conocer la logstica o las
redes de actividades bidireccionales.
Recursos y/o material
Calculadora
Computadora
DESARROLLO DE LA PRCTICA:
1. Identificacin de demanda y oferta
2. Buscar el equilibrio entre la demanda y la oferta
3. Se selecciona la primera columna para iniciar el mtodo
4. Se selecciona el costo menor y se enva la cantidad permitida, ya sea por la
demanda o por la oferta.
5. Si en la demanda o la oferta, se tiene cero productos para enviar, se cancela
la columna o el rengln correspondiente
6. As sucesivamente, hasta eliminar todas las columnas o relglones.
7. Se obtienen las variables bsicas y no bsicas
8. Se obtiene la funcin objetivos y se calcula el costo menor del problema
Ejercicio:
Ferrocarriles Nacionales de Mxico (F. N. M.) tiene disponible en Zacapu. Mich. 11
vagones de carga y en Toluca, Edo. deMex. 13 vagones, requiere de 6 vagones en
Monterrey, Nuevo Len, 4 en Tehuantepec, Oax., y 14 en Jalapa Ver.
Los costos de transporte estn basados en los distintos costos de procesos, tienen
poca relacin con las distancias y son los que se muestran, en millones de pesos,
en la siguiente tabla.
Monterrey Tehuantepec Jalapa
Zacapu 6 4 3
Toluca 2 3 5
Utilizando el Mtodo de Voguel y el Mtodo de la Esquina Noroeste
Cul es la distribucin, a costo mnimo, de los vagones?
CIERRE DE LA PRCTICA
Resolver un cuestionario y realizar un organizador grfico
30
INSTITUTO POLITCNICO NACIONAL
ESCUELA SUPERIOR DE CMPUTO
DEPARTAMENTO DE INGENIERA EN SISTEMAS
COMPUTACIONALES
ACADEMIA DE PROYECTOS ESTRATGICOS Y TOMA
DE DECISIONES
MANUAL DE PRCTICAS
UNIDAD DE APRENDIZAJE: Mtodos Cuantitativos para la Toma de Decisiones
UNIDAD TEMTICA: Modelos de control de inventarios
No. y Ttulo de la prctica: 9. Lote econmico Tiempo de realizacin:
3 horas
Objetivo de la prctica: Calcular el nivel de inventario
disponible, a travs del modelo de lote econmico, con
la finalidad de saber el total de elementos
correspondientes en el inventario
Situacin problemtica:
Se realiza la prctica para poder organizar a los inventarios dentro de la empresa donde
labore,con la finalidad de calcular el lote econmico y as determinar la importancia de
los artculos y su costo, y as llevar el control de ellos.
Con esto el alumno aprender la forma de control los inventarios en su vida laboral.
Competencia especfica :
Conocimiento de demanda y oferta.
Conocimiento de control de materiales
Conocimiento general de inventarios
Conocimientos de la empresa y sus departamentos
Identificacin de variables bsicas y no bsicas
Formulacin de un modelo de inventarios
Formulacin de limitaciones
Competencias genricas:
Criterio y razonamiento lgico para
la solucin de problemas.
Expresin oral y escrita.
Actitudes de: respeto,
responsabilidad.
Poseer un pensamiento crtico y
reflexivo.
Capacidad para aprender de forma
autnoma.
Capacidad para trabajar de forma
colaborativa.
Disposicin para el trabajo en
equipo.
Se actualiza y aprende
permanentemente, con respecto a
las tcnicas, metodologas y
Competencias particulares:
Investigacin, anlisis y sntesis de
informacin.
Manejo de aplicaciones
computacionales
Disea y desarrolla sistemas para
resolver diversas necesidades.
Disea y desarrolla proyectos
usando las tcnicas de ingeniera
ms adecuadas para cada caso.
31
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Prctica1
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Desarrollo
a)Quepuedeestarenlocorrectoyaqueadiferenciadelospantalonesdeterciopelo,
necesitanmsyardasporutilidadunitaria.
b)FormulacindelproblemadeP.L.
Delaprimeratablaseobtiene:
ARTCULO UNIDADES VENTA($) COSTO($) UTILIDAD($)
pantalonesde
lana
x
1
300 160 140x
1
suterde
casimir
x
2
450 150 300x
2
blusadeseda x
3
180 150 30x
3
camisolade
seda
x
4
120 60 60x
4
faldaajustada x
5
270 120 150x
5
chaquetade
lana
x
6
320 140 180x
6
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
pantalnde
terciopelo
x
7
350 175 175x
7
suterde
algodn
x
8
130 60 70x
8
minifaldade
algodn
x
9
75 40 35x
9
camisade
terciopelo
x
10
200 160 40x
10
blusade
botones
x
11
120 90 30x
11
Delasegundatablaseobtiene:
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Loqueenunprincipiopuededaralafuncinquedaeltotaldeutilidadesyreembolsos z
0
,comoseobserva,elreembolsoescomosicompraramossolamentelosmateriales
necesarios:
Simplificando:
Delapgina4seobtienenlassiguientesrestricciones,hayqueobservarquelas
relacionesblusa/camisoladesedaysuter/minifaldadealgodnnoafectaalafuncinde
utilidad . z
0
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
c)SolucinptimausandoGNULinearProgrammingKit(GLPK),GLPKrequierequela
solucinestenciertassintaxis,unadeellasesCPLEXLP:
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
ElproblemafueresueltousandoGLPKparaJavascriptylasolucindadafue:
Porlotantohayunamximautilidadde$6762978.75produciendo4200pantalonesde
lana,4000suteresdecasimir,7000blusasdeseda,15000camisolasdeseda,2800
faldasajustadas,10266chaquetasdelana,0pantalonesdeterciopelo,0suteresde
algodn,60000minifaldasdealgodn,6000camisasdeterciopeloy16266blusasde
botones.
d)Noreembolsodelterciopelo
Estomodificalafuncinobjetivo en: z
0
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
ParaGLPK,laconstantesedebeomitirenlafunci
onobjetivoperoestonocambiaen
nadalasolucinptima,solosedebetomarencuentacambiarelresultadoenelmximo
delafuncin.
Hayunamximautilidadde$4471012.25(laconstante240000)
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
e)Quealnopoderreembolsarselosmateriales,seestperdiendodineroenel
desperdicioquenoesposibleproducirovender.
f)Incrementoencostos
Estomodificalafuncinobjetivo en: z
0
Hayunamximautilidadde$5292258.75(laconstante240000)
g)Incrementoenmaterial
Estomodificalafuncinobjetivo en: z
0
Hayunamximautilidadde$6438582.25(laconstante240000)
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
h)Produccinilimitada
Estomodificaelproblemaen:
Hayunamximautilidadde$8117441.875(laconstante240000)
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Cierre
1.Expliquelaimportanciadelusodelosmtodoscuantitativosparalatomade
decisiones.
Esunaaplicacindelmtodocientficoenlasolucindeproblemasenlas
empresas,cuyoenfoqueeslamodelacin,esdecir,creamodelospararepresentarlos
problemasyutilizadiferentestcnicas,comolaprogramacinlinealyelanlisisde
decisiones,paraestablecerlasolucindelmismo.
2.Escribaladefinicindeprogramacinlineal.
Esunprocedimientooalgoritmomatemticomedianteelcualseresuelveun
problemaindeterminado,formuladoatravsdeunsistemadeinecuacioneslineales,
optimizandolafuncinobjetivo,tambinlineal.
Consisteenoptimizar(minimizaromaximizar)unafuncinlineal,denominadafuncin
objetivo,detalformaquelasvariablesdedichafuncinestnsujetasaunaseriede
restriccionesqueexpresamosmedianteunsistemadeinecuacioneslineales.
3.CuleslaformageneraldeunmodelodePL?
LaProgramacinLineal,entrminosgenerales,vaaconsistiren:
Optimizarunafuncinobjetivoz=c.x
sujetoaunasrestriccionesAxb
x0
4.CuleselformatocannicodeunmodelodePL?
Funcinobjetivodemximo(mnimo)
Restriccionesslodeltipo<=(>=)
Variablesquedebencumplir>=0,(>=0)
MaxZ=cX MinZ=cX
s.a. s.a.
aX<=b aX>=b
X>=0 X>=0
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
5.CuleselformatoestndardeunmodelodePL?
Funcinobjetivo:mximoomnimo
Todarestriccindetipoigual(=)
Ladoderechoderestricciones>=0
Variablesquedebencumplir>=0
(Max)(Min)Z=cX
s.a.
aX=b
X>=0
6.Escribaelconceptodesolucinptima
EsunasolucinfactiblequeoptimizalafuncinobjetivoZ
7.Mencionelostiposdesolucinptimaquesepuedenpresentaralresolverun
problemayexpliquecadaunadeellas.
Solucinfactible.Esunasolucinparalaquesesatisfacentodaslasrestricciones.
Solucinbsica.Paraunsistemademecuacionesynvariablesenelquen>m,si
existeunasolucin,puedeencontrarseigualandonmdelasvariablesaceroy
resolviendoelconjuntoresultantedemecuacionesconmvariables.Lasvariablesquese
igualanacerosedenominanvariablesnobsicaslasvariablesqueseusanpara
resolverlasecuacionessedenominanvariablesbsicas.Unasolucinbsicaesunpunto
extremo.
Solucinfactiblebsica.Esunasolucinbsicaquetambinsatisfacelas
condicionesdenonegatividad,estoes,todaslasvariablesbsicassonnonegativas.
Solucinfactiblebsicanodegenerada.Esunasolucinfactibleconexactamente
xipositivaestoes,todaslasvariablesbsicassonpositivas.
8.Escribaladefinicindetomadedecisiones
Eselprocesomedianteelcualserealizaunaeleccinentrelasopcionesoformas
pararesolverdiferentessituacionesdelavidaendiferentescontextos,utilizando
metodologascuantitativasquebrindalaadministracin.Consiste,bsicamente,enelegir
unaopcinentrelasdisponibles,alosefectosderesolverunproblemaactualopotencial
(ancuandonoseevidencieunconflictolatente).
9.CulessonlassuposicionesylimitacionesdePL?
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Suposicindeproporcionalidad:Lacontribucindecadaactividadalvalordela
funcinobjetivoZesproporcionalalniveldeactividadXj,comolorepresentaeltrmino
CjXjenlafuncinobjetivo.Demanerasimilar,lacontribucindecadaactividadallado
izquierdodecadarestriccinesproporcionalalniveldeactividadXj,enlaformaenquelo
representaeltrminoAijXjenlarestriccin,porejemplo:sisenecesitan2horashombrey
10unidadesdemateriaprimaparahacerunescritorio,serequerirn20horashombrey
100unidadesdemateriaprimapara10escritorios,osea,lamedidadeefectividadyel
recursousadodebeserproporcionalalniveldecadaactividadtomadaindividualmente.
Suposicindeaditividad:Lamedidatotaldeefectividadycadarecursototal
empleadoresultantedeldesarrolloconjuntodelasactividadesdebeserigualalasuma
respectivadeestascantidadesresultantesdecadaactividadconsiderada
individualmente,oseacadaactividadesindependienteypuedeprecisarlacantidadde
recursosnecesariosencadaniveldelasdistintasactividades,ejemplo:siunamquina
requiere2y3horasparahacerlosproductos1y2respectivamenteparaproducirlos
productos1y2requerir5horas.
Suposicindedivisibilidad:Lasvariablesdedecisinenunmodelode
programacinlinealpuedentomarcualquiervalor,incluyendovaloresnoenteros,que
satisfaganlasrestriccionesylascondicionesdenonegatividad.As,estasvariablesno
estnrestringidasaslovaloresenteros.Comocadavariablededecisinrepresentael
niveldealgunaactividad,sesupondrquelasactividadessepuedenrealizaraniveles
fraccionales.
Suposicindecertidumbre:Sesuponequelosvaloresasignadosacada
parmetrodeunmodelodeprogramacinlinealsonconstantesconocidas.
10.Mencionelostiposderestriccionesquesepresentanconmayorregularidadenla
formulacindeproblemasdePL
Enelmodeloseincluye,adicionalmentedelasrestricciones,larestriccindeno
negatividaddelasvariablesdedecisin.
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Prctica2
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Desarrollo
1.FormulacindelModelodeProgramacinLineal
Setieneque:
Dadatodalainformacin,setiene:
Maximizar P
0
x x P
0
: z = 3
1
+ 2
2
2x 0 P
1
: x
1
+
2
8
x 00 P
2
: 2x
1
+
2
1
0 P
3
: x
1
4
, x , P
4
: x
i
0 = 1 2
2.ResolucinporMtodoGrfico
a)Reginfactible
Sacamospuntosdeinterseccin
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Conlosejes:
P0:(x1=0,x2=80),(x1=80,x2=0)
P1:(x1=0,x2=100),(x1=50,x2=0)
Entres:
x1+x2=80,2x1+x2=100
x1=20,
(x1=20,x2=60)
b)Puntosextremosfactibles
Seconcluyequelospuntosextremosfactiblesson:
A(x2=0,x1=0),B(x2=80,x1=0),C(x2=60,x1=20),D(x2=0,x1=50)
c)Rectaz
P0:z=3x1+2x2,
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
d)SolucinptimadezA(x2=0,x1=0),z=3(0)+2(0)=0
B(x2=80,x1=0),z=3(0)+2(80)=160
C(x2=60,x1=20),z=3(20)+2(60)=180
D(x2=0,x1=50),z=3(50)+2(0)=150
Porlotantolasolucinptimaesx1=20,x2=60o20soldadosy60trenespor
semana.
3.ResolucinporMtodoSimplex
P5:x1+x2+s1=80
P6:2x1+x2+s2=100
P7:s1,s2>=0
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
x1eslacolumnamenors1:80/1=80s2:100/2=50,filademenorradio
x2eslacolumnamenors1:60/1=60,filademenorradios2:50/(1/2)=100
simplificando
Porlotantolasolucinptimaesx1=20,x2=60,z=180
4.
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Cierre
1.Definaconsuspropiaspalabrasloqueesunasolucinfactible
Esunasolucinquecumplecontodoslosplanteamientosqueestableceunproblema.
2.Expliquecmoseidentificalasolucinptimaenelmtodogrfico
Seidentificanlasinterseccionesylospuntosextremosfactibles,posteriormentesebusca
entreestospuntoelpuntoptimo.
3.Expliqueporquelmtodogrficosirvedebaseparaentenderelmtodo
simplex
Elmtodogrficotesirveparalograridentificarcomoelm
etodosimplexsemuevea
travsdeloslmitesdelareginfactibleylospuntosextremosparaasencontrarunpunto
ptimo.
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Prctica3
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
INTRODUCCIN
Una de las aplicaciones trascendentales de la dualidad en la
Programacin Lineal es la resolucin del primal a travs del dual y las relaciones
fundamentales entre las variables primales y duales. Es decir, una vez encontrada la
solucin ptima de un problema en particular, las relaciones mencionadas permiten
diagnosticar los recursos clave para mejorar el valor ptimo actual de la funcin objetivo.
El efecto neto desde el punto de vista dual, constituye el saldo al comparar en trminos de
la funcin objetivo si la fabricacin unitaria de una variable justifica los recursos que
consume.
Ejercicio1
1.LaempresaDakotacuentaconlasiguienteinformacin:
Recurso Escritorio Mesa Silla Cantidadde
recursos
disponibles
Madera(Pie
tabln)
8 6 1 48
Acabado
(horas)
4 2 1.5 20
Carpintera
(horas)
12 1.5 0.5 8
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Preciodeventa
(USD)
60 30 20
Porlotanto,elproblemadePLparamaximizarlasutilidadesdelaempresaDakotaes:
axZ 0x 0x 0x M = 6
1
+ 3
2
+ 2
3
s.a:
x 6x 8 8
1
+
2
+ x
3
4 Piesdetablndemadera
x x .5x 0 4
1
+ 2
2
+ 1
3
2 Horasdeacabado
x .5x .5x 2
1
+ 1
2
+ 0
3
8 Horasdecarpintera
x
i
0
SupongaqueunempresariodeseacomprartodoslosrecursosdeDakota.Luegoel
compradordebedeterminarelprecioqueestdispuestoapagarporunaunidaddecada
recursodeDakota.
BsicamenteelproblemadelcompradordeDakotaconsisteendeterminarelprecio
competitivoquedebepagarporcadaunodelosrecursodelaempresa.
Sisedefine:
:preciopagadopor1pietablndemadera y
1
:preciopagadopor1horadeacabado y
2
:preciopagadopor1horadecarpintera y
3
1. Elaboreelproblemadualdelproblema primalyexpliqueelsignificadoqutiene
cadaunadelasrestriccionesdelproblemadual,ascomoelsignificadodela
funcinobjetivodelproblemadual.
inW 8y 0y y M = 4
1
+ 2
2
+ 8
3
s.a:
y 4x 0 8
1
+
2
+ 2x
3
6 restriccindeescritorios
y x .5x 0 6
1
+ 2
2
+ 1
3
3 restriccindemesas
.5x .5x 0 y
1
+ 1
2
+ 0
3
2 restriccindesillas
y
i
0
funcinobjetivo:minimizarcostosdeproduccin.
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
2. Encuentrelosvaloresdelasvariables yrealicelainterpretacin , , y
1
y
2
y
3
econmicadelasvariablesduales.
VB x
1
x
2
x
3
s
1
s
2
s
3
Solucin
z 60 30 20 0 0 0 0
s
1
8 6 1 1 0 0 48
s
2
4 2 1.5 0 1 0 20
s
3
2 1.5 0.5 0 0 1 8
VB x
1
x
2
x
3
s
1
s
2
s
3
Solucin
z 0 15 5 0 0 30 0
s
1
0 0 1 1 0 4 16
s
2
0 1
2
1
0 1 2 4
x
1
1
4
3
4
1
0 0
2
1
4
Solucinptima
VB x
1
x
2
x
3
s
1
s
2
s
3
Solucin
z 0 5 0 0 10 10 280
s
1
0 2 0 1 2 8 24
x
3
0 2 1 0 2 4 8
x
1
1
4
5
0 0
2
1
2
3
2
z=280, =0, =10, =10 y
1
y
2
y
3
nota:hacerenlamaximizacinobtuvimoslosvaloresde , , y
1
y
2
y
3
sabemosquelosvaloresde sonigualesalasvariablesdeholguraenlaecuacinz. y
i
Viendoelresultadodelmtodosimplexsepuedennotarlosiguiente:
obteniendolosvaloresde puedetomarvarioscasos: y
1
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
1.quelaempresaproduzcasupropiamadera.
2.queelalmacnestllenoynonecesitancomprarms.
yparalasvariablesde , quesepagan10porhoraenacabadoycarpinteria. y
2
y
3
3. Sihubieradisponibles18horasdeacabado,culseraelingresodeDakota?
4. Sisecontaracon9horasdecarpintera,culseraelingresodeDakota?
5. Sihubieradisponibles30piestablndemadera,culseraelingresode
Dakota?
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Ejercicio2
El entrenador en jefe del equipo de ftbol americano Ola Verde, est interesado en
preparar lo que ha llamado la EV (ensalada vitamnica), la cual puede prepararse a partir
de cinco verduras bsicas disponibles y definidas como 1, 2, 3, 4 y 5. Se desea que la EV
contenga por lo menos 10 unidades de vitamina A y 25 unidades de vitamina C. La
informacin relevante del contenido vitamnico y costo de las verduras se proporciona en
lasiguientetabla:
Vitamina 1 2 3 4 5
A 2 0 3 4 1
C 1 2 2 1 3
Costo($/Kg) 100 80 95 100 110
El problema de la preparacin de la EV que enfrenta el entrenador en jefe puede
resolversemedianteelmodelodePLqueacontinuacinseformula:
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
inZ 00x 0x 5x 00x 10x M = 1
1
+ 8
2
+ 9
3
+ 1
4
+ 1
5
s.a:
x 0x x x 0 2
1
+
2
+ 3
3
+ 4
4
+ x
5
1
2x x 5 x
1
+
2
+ 2
3
+ x
4
+ 3x
5
2
x
i
0
1, , , , } j = { 2 3 4 5
Suponga que el dueo de unos laboratorios farmacuticos se entera de la EV y vislumbra
la posibilidad de entablar un negocio con el entrenador al fabricarle pastillas de vitamina A
y vitamina C. Por lo tanto, logra convencerlo de que si los jugadores toman las pastillas,
stos obtendrn los requerimientos vitamnicos solicitados, y que el costo de las mismas
es competitivo con respecto al de las verduras. Por lo tanto, es casi seguro que su idea
ser aceptada. Sin embargo, cmo debe proceder el fabricante de vitaminas? El
problemadualpuedeayudarle?
Bsicamente el problema del fabricante consiste en determinar el precio competitivo que
debeasignaracadatipodepastilla.Sisedefinen:
:preciodecadapastilladeunaunidaddevitaminaA y
1
:preciodecadapastilladeunaunidaddevitaminaC y
2
Note que para facilitar la explicacin se tom arbitrariamente como base pastillas con una
unidaddevitamina.
1. Elaboreelproblemadualdelproblemaprimalyexpliqueelsignificadoquetiene
cadaunadelasrestriccionesdelproblemadual,ascomoelsignificadodela
funcinobjetivodelproblemadual.
MaxZ=10y
1
+25y
2
s.a.
2y
1
+y
2
100 restriccindeverdura1
2y
2
80 restriccindeverdura2
3y
1
+2y
2
95 restriccindeverdura3
4y
1
+y
2
100 restriccindeverdura4
y
1
+3y
2
110 restriccindeverdura5
Y
i
0
2. Encuentrelosvaloresdelasvariables , y
1
y
2
yrealicelainterpretacin
econmicadelasvariablesduales.
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
TablainicialDualSimplex
V.B. y1 y2 s1 s2 s3 s4 s5 Sol.
z 10 25 0 0 0 0 0 0
s1 2 1 1 0 0 0 0 100
s2 0 2 0 1 0 0 0 80
s3 3 2 0 0 1 0 0 95
s4 4 1 0 0 0 1 0 100
s5 1 3 0 0 0 0 1 110
Tablaptimafinal
V.B. y1 y2 s1 s2 s3 s4 s5 Sol.
z 0 0 1 0 0 0 8 980
y1 1 0 3/5 0 0 0 1/5 38
s2
s3
s4
y2 0 1 1/5 0 0 0 2/5 24
z=980, =38, =24 y
1
y
2
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Prctica4
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
DESARROLLODELAPRCTICA4:
Ejercicio1:
ElproblemadePL(primal)paramaximizarlasutilidadesdelaempresaDakotaes:
MaxZ=60X1+30X2+20X3
s.a.
8X1+6X2+X3<=48Restriccindepiesdetablndemadera
4X1+2X2+1.5X3<=20Restriccindelashorasdeacabado
2X1+1.5X2+0.5X3<=8Restriccindelashorasdecarpintera
X1,X2,X3>0
Cuyasolucinptimaeslasiguiente:
X1=2
X2=0
X3=8
MaxZ=280
Elproblemadualdelcasoanteriores:
MnF=48YI+20Y2+8Y3
s.a.
8Y1+4Y2+2Y3>=60
6Y1+2Y2+1.5Y3>=30
1Y1+1.5Y2+0.5Y3>=20
Y1,Y2,Y3>=0
Enformademaximizacin:
MaxF=48Y120X28Y3
s.a.
8Y14Y22Y3<=60
6Y12Y21.5Y3<=30
1Y11.5Y20.5Y3<=20
Y1,Y2,Y3,>=0
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
SOLUCIN:
MaxZ=60X
1
+30X
2
+20X
3
sa:
8X
1
+6X
2
+X
3
<=48
4X
1
+2X
2
+(3/2)X
3
<=20
2X
1
+(3/2)X
2
+(1/2)X
3
<=8
Xi>=0
MinZ60X
1
30X
2
20X
3
=0
sa:
8X
1
6X
2
X
3
+S1>=48
4X
1
2X
2
(3/2)X
3
+S2>=20
2X
1
(3/2)X
2
(1/2)X
3
+S3>=8
Xi>=0
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Notieneunasolucinfactibleyaquesolamentedosdelastresvariablesentran,esdecir,
siloviramosgrficamenteX
1
notieneundesplazamientohaciaelreafactiblepara
lograrunasolucinfactible.
Ejercicio2:
Una compaa juguetera fabrica trenes, camiones y coches, con tres operaciones. Los
lmites diarios de tiempo disponible para las tres operaciones son 430, 460 y 420
minutos, respectivamente, y los beneficios por tren, camin y coche son 3 euros, 2 euros y
5 euros, respectivamente. Los tiempos de cada operacin por tren son 1, 3 y 1 minuto,
por camin 2, 0 y 4, y por coche son 1, 2 y 0, todos ellos en minutos (un tiempo cero indica
quenoesnecesariaesaoperacin).
Elmodeloprimaldenuestroproblemaes:
Maximizar(Z)=3X1+2X2+5X3
s.a.
1X1+2X2+1X3<=430minutos
3X1+0X2+2X3<=460minutos
1X1+4X2+0X3<=420minutos
X1,X2,X3>=0
X1=Nmerodetrenesquehayquefabricar.
X2=Nmerodecamionesquehayquefabricar.
X3=Nmerodecochesquehayquefabricar.
a) Resuelva el problema, utilizando el mtodo simplex dual, en caso de ser necesario,
realicelastransformacionesnecesariasalmodeloprimal.
b)Determinelospreciosdesombradelascapacidadesdelosrecursos.
c)Expongalasconclusionesalrespecto.
SOLUCIN:
MaxZ=3X
1
+2X
2
+5X
3
sa:
X
1
+2X
2
+X
3
<=430
3X
1
+2X
3
<=460
1X
1
+4X
2
<=420
Xi>=0
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
MinZ3X
1
2X
2
20X
3
=0
sa:
X
1
2X
2
X
3
+S1>=430
3X
1
2X
3
+S2>=460
X
1
4X
2
+S3>=420
Xi>=0
Notieneunasolucinfactibleyaquesolamentedosdelastresvariablesentran,esdecir,
siloviramosgrficamenteX3notieneundesplazamientohaciaelreafactiblepara
lograrunasolucinfactible.
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Prctica5
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
DESARROLLODELAPRCTICA:
Ejercicio1:
Unacompaaconstructoraharecibidolacomisindedisearunnuevoestadiodeftbol,
paralosHalconesGuerreros.Sudiseotieneelreadeestacionamientoapartedel
estadioconunasolapuertaquevaalestadio(porrazonesdeseguridad).Dentrodela
puertadeacceso,hayvariasrutasposibles,atravsdejardinesalanicapuertade
accesoalestadio.Laredatravsdelosjardinessevecomoacontinuacinseindica(los
nmerosmuestranlacapacidadenmilesdepersonasporhora).Usandoelalgoritmode
flujomximo.Culeslacapacidadenunahoradelsistemapara
ingresarespectadoresalestadio?.ElpropietariodelosHalconesGuerrerostelefoneo
paradecirquesielsistemanoasegurabaelacomodode100,000fanticosquellegarn
alestadioenunahora,losarquitectostendranqueempezararedisear.Tendrnque
redisear?
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Problema2:
Unaempresamineratienetresyacimientosm,m
,m
.Elmineralextradosetransportaa
travsdelareddelafiguraatresplantasdeprocesado.Lacantidaddemineralque
puedeserextradadelosyacimientosm,m
,ym
esde5,10y15toneladasdiarias,
respectivamente.Encuantoalasplantasdeprocesadosucapacidadesde14toneladas
diariasenlaplantap,9enlaplantap
y7enlaplanta
p
.Determinelacantidadmximademineralquepuedeserextradayprocesadaenun
nicoda.
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Laslneasrojasindicanelcaminoquesiguenlasminasparallevarelmineralalasplantas
deprocesamientoysatisfacertodalaofertaylademanda
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
CIERREDELAPRCTICA
1.Indiqueaquellassituacionesenqueustedconsideresepuedenaplicarlosproblemas
deflujomximo.
Elalgoritmonospermiteconocer(calcular)lamximacantidaddecualquierartculoo
informacinquepodemostransportardesdeunorigenhastaundestino,luegoentonces
esaplicableasituacionesrelacionadas.
2.Enumerelospasosdelalgoritmo.
Pasosaseguir:
Primerpaso:Elegirunarutaarbitraria.
Segundo paso: En dicha ruta escoger aquel ramal de menor flujo en ese sentido y
transportarporesarutalacantidadescogida.
Hacer esto repetitivamente hasta que no sea posible encontrar una ruta con capacidad
deflujo.
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Prctica6
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Ejercicio:
Conlasiguienteinformacinconstruyaunareddeactividadesyencuentrelaruta
crticapormediodeunmtodomostradoenclase.
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Prctica7
DESARROLLODELAPRCTICA:
Ejercicio:
ConlasiguienteinformacinconstruyelaredPERTyencuentralarutacrticapor
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
mediodelPERTsimple.
ACTIVIDAD PRECEDENCIA TIEMPO(DAS)
A 1
B A 3
C A 5
D C 7
E A 9
F BD 11
G BD 2
H G 4
I G 6
J FH 8
K GE 11
L E 1
M FHI 3
N JKLM 5
O JKLM 9
P NO 2
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Prctica8
DESARROLLODELAPRCTICA:
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Ejercicio:
FerrocarrilesNacionalesdeMxico(F.N.M.)tienedisponibleenZacapu.Mich.11
vagonesdecargayenToluca,Edo.deMex.13vagones,requierede6vagonesen
Monterrey,NuevoLen,4enTehuantepec,Oax.,y14enJalapaVer.
Loscostosdetransporteestnbasadosenlosdistintoscostosdeprocesos,tienen
pocarelacinconlasdistanciasysonlosquesemuestran,enmillonesdepesos,
enlasiguientetabla.
UtilizandoelMtododeVoguelyelMtododelaEsquinaNoroeste
Culesladistribucin,acostomnimo,delosvagones?
MtododeEsquinaNoroeste
AntesdeaplicarelmtododeEsquinaNoroesteesnecesarioverificarsilaofertayla
demandaestanbalanceadas.Enestecasopodemoscomprobarqueyaestnn
balanceadasporlocual,podemosprocederconlaaplicacindelmtodo
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Iniciamoslaasignacinenelrengln1ycolumna1queestoeslaEsquinanoroesteyde
esaformaformamoslabasedeasignacindecantidadesalasrutas,deformatalquese
agotenlasexistenciasdelafbricaysesatisfagalademandadelosmercados.
Asimismocomoyasecumplilademandaporlaprimeracolumnapasamosacancelarla.
Procedemosconlasiguientecolumnadadoqueofertatiene5unidadades.
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Asimismocomoyasecumplilademandaporlasegundacolumnapasamosa
cancelarla.
Procedemosconlasiguientecolumnadadoqueofertatieneunaunidad.
Observamosquesecumpliolaoferta,siguiendoelconceptodelaesquinanoroeste
pasamosalasiguientefilayaqueellatodavahayofertaparacumplirlademanda
requerida.
SacamoslaFuncionZ:
Z=(6x6)+(4x4)+(1x3)+(133)=???
Z=36+16+3+39=94
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
MtododeVoguel
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
AntesdeaplicarelmtododeVoguelesnecesarioverificarsilaofertaylademanda
estanbalanceadas.Enestecasopodemoscomprobarqueyaestanbalanceadasporlo
cual,podemosprocederconlaaplicacindelmtodo.
Restamosloscostosmnimosdetodaslasfilasycolumnasyelegimoslademayorvalor.
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Ahoraseleccionamoselcostomnimoysatisfacemoslademandarealizandola
actualizacincorrespondienteenlacolumnadeoferta.
Repetimoselprocesoanteriorhastasatisfacertodalademandayagotarlaoferta.
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Prctica9
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
DESARROLLODELAPRCTICA9:
Desarrollodelaprctica:
Sharp,Inc.,unaempresaquecomercializalasagujashipodrmicasindolorasenlos
hospitales,deseareducirsuscostosdeinventariomedianteladeterminacindelnmero
deagujashipodrmicasquedebeobtenerencadaorden.Lademandaanualesde1000
unidadeselcostodepreparacinodeordenaresde10dlaresporordenyelcostode
manejoporunidaddeaoesde50centavosdedlar.Utilizandoestosdatos:
1.Calculeelnmeroptimodeunidadespororden(Q*).
2.Elnmeroderdenes(N)
3.Eltiempotranscurrido(T)
4.Elcostototalanualdelinventario.
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Utilizarunaolaboralde250das.
Demanda(D)=1000unidades
Costodeorden(S)=10dlls
Costodemanejoporunidad(H)=0.50%
Solucin:
1. 00unidades Q
*
=
H
2DS
=
0.50
2(1000)(10)
= 40000 = 2
2. rdenesporao N =
D
Q
*
=
200
1000
= 5
3. 0dasentrerdenes T =
N
Nmerodediaslaboralesporao
=
5rdenes
250DL/A
= 5
4. S H ($10) ($0.50) (5)($10) (100)($0.50) 100 C
t
=
D
Q
*
+
2
Q
*
=
200
1000
+
2
200
= + = $
Conclusin:
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
Elmodelodedescuentosporcantidad,sebasaenlacomparacindecostos,endondela
cantidadoptimaapedir,esaquelladondesereduzcanloscostostotales.
CONCLUSIONES
Existendiferentessituacionesenlasquedebentomarsedecisionesdelascuales
dependeelxitooelfracasodedeterminadoproyecto,deunaempresa,odelcierrede
untrato,porlotantoestasdecisionesnopueden,nidebentomarsealaligeraydebenser
evaluadasdeacuerdoaelresultadoquebuscamosyalasvariablesconlasque
contamos,aunqueenlamayoradeloscasosmuchosdeloselementosquedefinenla
tomadedecisiones,estnsujetosafactoressubjetivosyrequierendeunanlisisqueva
msalldelosdatos.Sinembargo,elconocerysaberaplicarlosmtodosvistosen
claseyresueltosenlasprcticas,permiteanalizar,evaluarydeterminardatoscontenidos,
detalmodoqueaestosdatossubjetivosselesaadelaseguridaddelainformacinque
sepuedeobtenergraciasalosmtodoscuantitativos.
AlresolverlarecopilacindeprcticasdelaUnidaddeAprendizajeMtodos
CuantitativosparalaTomadeDecisiones,yduranteelcurso,aprendimoselusode
diferentesmodelosymtodosparalaresolucindeproblemasdegestinorientadoala
tomadedecisiones.
AunqueexistenprogramasqueminimizaneltrabajodelanlisiscomoloesWINQSB,es
importanteelaprendizajequeadquirimosalhacerlasprcticasyejercicios,yaqueno
PrcticasdeMtodosCuantitativosparalatomadeDecisiones
Grupo3CV1
M.enA.JosCrzMartnezPerales
19/05/14
sloaprendimoselprocedimientodelosdiferentesmtodosymodelosparaelanlisisy
resolucindeproblemas,ademsaprendimosatrabajarenequipo,algomuyimportante
tambinparalatomadedecisiones.