Vous êtes sur la page 1sur 120

TOMA DE DECISIONES CON LA INVESTIGACION OPERATIVA

Objetivos

● Conocer y clasificar los modelos que con frecuencia se utilizan en las industrias y
empresas en general en la toma de decisiones en el campo de la producción y las
operaciones.

● Conocer y aplicar las técnicas para la toma de decisiones bajo certeza, bajo riesgo
y baja incertidumbre.

Definición de investigación de Operaciones

Teniendo en cuenta sus orígenes la investigación de Operaciones la podemos


definir como un enfoque científico de la toma de decisión. En este orden de ideas,
la toma de decisión es dada a través de la aplicación del método científico, de ahí
la definición antes dada.

La investigación de operaciones comienza describiendo algún sistema mediante un


modelo que luego se manipula y a través de este determinar la mejor forma de
operación de dicho sistema.

Es esta, tal vez la mejor forma de tomar una decisión, no obstante, nos compromete
a seguir un proceso de toma de decisiones racional.

Proceso racional de toma de decisiones.

¿Cómo debemos actuar al tomar una decisión? ¿Qué debemos hacer para tomar la
mejor decisión? La investigación de operaciones no hace distinción a los nombres
proceso de toma de decisiones y solución de problemas por tanto cualquier término
se utilizará indistintamente. Esto comprenderá a la secuencia completa de pasos
desde la identificación de un problema hasta su solución. El término toma de
decisiones se referirá a la selección de una alternativa entre un conjunto de estas.
Significa escoger; como tal, la toma de decisiones vendría a ser un paso dentro de
este proceso.

A continuación, se enumeran los pasos del método científico para resolver


problemas:

• Definir el problema. Este primer paso es crítico porque establece las fronteras para
todo lo que sigue. Debe definirse en magnitud, tiempo y grado de importancia.
Donde comienza y donde termina, que tan grande o pequeño es, cuando ocurrió y
hasta donde puede durar, es relevante o no. Para definir bien un problema se
necesita conocerlo.
• Recolección de datos. Deberá reunirse información pasada, hechos pertinentes,
así como soluciones previas a problemas semejantes. Definir alternativas de
solución. El método científico se basa en la suposición que las soluciones existen.
En este paso se buscan las soluciones posibles y se enumeran.

• Evaluar las alternativas de solución. Una vez enumeradas todas las alternativas
de solución, deberán evaluarse. Esto puede lograrse comparando una por una con
un conjunto de criterios de solución u objetivos que se deben cumplir.

• Seleccionar la mejor alternativa. Aquí se toma la decisión de cuál de las


alternativas cumple mejor con los criterios de solución.

• Puesta en marcha. La toma de decisiones en administración debe llevar a actuar.


La alternativa seleccionada deberá ponerse en práctica.
 TIPOS DE MODELOS
 MODELO ANALÓGICO
Puede representar situaciones dinámicas o cíclicas, son más usuales y pueden
representar las características y propiedades del acontecimiento que se estudia.
Ejemplo:
•Curvas de demanda.
•Curvas de distribución de frecuencia en las estadísticas y diagramas de flujo.

 MODELO SIMBOLICO O MATEMATICO


Son representaciones de la realidad en forma de cifras, símbolos matemáticos y
funciones, para representar variables de decisión y relaciones que nos permiten
describir y analizar el comportamiento del sistema.
Tipos de Modelos Matemáticos
1. Cuantitativos y cualitativos
2.Estándares y hechos a la medida
3.Probabilísticas y determinísticos
4.Descriptivos y de optimización
5.Estáticos y dinámicos
6.De simulación y no simulación

1.2 CONCEPTO DE SISTEMA


Un sistema es un conjunto de partes o elementos organizados y relacionados que
interactúan entre sí para lograr un objetivo. Los sistemas reciben datos, energía o
materia del ambiente (entrada) y proveen información, energía o materia (salida).

Un sistema es un conjunto de funciones que operan en armonía o con un mismo


propósito, y que puede ser ideal o real. Por su propia naturaleza, un sistema posee
reglas o normas que regulan su funcionamiento y, como tal, puede ser entendido,
aprendido y enseñado.

CLASIFICACIÓN DE SISTEMAS

 Los sistemas pueden clasificarse según su origen en:


Sistema artificial: por ejemplo, un televisor, una computadora, un celular.
Sistema natural: por ejemplo, un ave, un humano, el ciclo del agua, el sistema
solar.
Sistema social: por ejemplo, una empresa, una institución, un estado. Puede
ser incluido dentro de los sistemas artificiales.
 En cuanto a su constitución o naturaleza, un sistema puede ser:
Sistema físico o concreto: por ejemplo, una computadora, un árbol.
Sistema abstracto o conceptual: por ejemplo, un software, una metodología,
un sistema de creencias.
 También pueden clasificarse según su ambiente (según realicen o no
intercambios con su entorno):
Sistema abierto: un sistema que tiene flujos de entrada y salida; intercambia
energía, materia y/o información con su ambiente.
Sistema cerrado o aislado: un sistema que no tiene ni entradas ni salidas; no
intercambia ni energía, ni materia con su ambiente. En ocasiones, con fines
de estudio, se considera un sistema cerrado aquel que no intercambia
materia, pero sí energía con su medio.
 Según su alterabilidad en el tiempo:
Sistema estático: no cambia con el tiempo.
Sistema dinámico: cambia con el transcurso del tiempo.
 Según la complejidad de sus relaciones:
Sistema simple: pocos componentes y relaciones. Por ejemplo, la rueda, la
palanca, la polea, la cuña, etc.
Sistema complejo: numerosos componentes y relaciones entre sí. Por
ejemplo, un ecosistema, la Tierra, el Estado, una ciudad, etc.
 SEGÚN SU RELACION CON EL MEDIO AMBIENTE

Abiertos: Sistemas que intercambian materia, energía o información con el


ambiente. Ejemplo: célula.

Cerrados: Sistemas que no intercambian materia, energía o información con el


ambiente. Ejemplos: El universo.

La clasificación de sistema cerrado es netamente conceptual pues en la práctica


todo se encuentra comunicado con elementos externos.

 SEGÚN SU NATURALEZA

Concretos: Sistema físico o tangible. Ejemplos: Equipos de sonidos

Abstractos: Sistemas simbólicos o conceptuales. Ejemplo: Sistema sexagesimal.

 SEGÚN SU ORIGEN

Naturales: Sistemas generados por la naturaleza, tales como los ríos.

Artificiales: Sistemas que son productos de la actividad humana, son concebidos


y construidos por el hombre, tenemos al tren.

 SEGÚN SUS RELACIONES

Simples: Sistemas con pocos elementos y relaciones, como el péndulo.

Complejos: Sistemas con numerosos elementos y relaciones. Ejemplo:


universidad.
Esta clasificación es relativa porque depende del número de elementos y relación
considerados. En la práctica y con base en límites psicológicos de la percepción y
comprensión humanas, un sistema con más o menos siete elementos y relaciones
se puede considerar simple.

 SEGÚN SU CAMBIO EN EL TIEMPO

Estáticos: Sistema que no cambia en el tiempo: Sistema numérico.

Dinámicos: Sistema que cambia en el tiempo: hongo.

Esta clasificación es relativa porque depende del periodo de tiempo definido para el
análisis del Sistema.

 SEGÚN EL TIPO DE VARIABLEQUE LO DEFINEN

Discretos: Sistema definido por variables discretas: lógica booleana.

Continuos: Sistema definido por variables continuas: ríos.

 OTRAS CLASIFICACIONES

Jerárquicos: Sistemas cuyos elementos están relacionados mediante relaciones


de dependencia o subordinación conformando una organización por niveles:
gobierno de una ciudad.

Sistema de control: Sistema jerárquico en el cual unos elementos son controlados


por otros: lámparas.

Sistema de Control con retroalimentación: Sistema de control en el cual


elementos controlados envían información sobre su estado a los elementos
controladores: termostato.

Determinístico: Sistema con un comportamiento previsible: palanca.

Probabilístico: Sistema con un comportamiento no previsible: el clima.


CO NCE P TO DE MO DE LO

Un Mo de lo e s un p ro tot ipo que sirve d e ref ere ncia y e jemp lo p a ra


t odo s lo s que d iseñan y conf eccion an p rodu cto s de la m isma
na tu ra le za. L a pa lab ra p ro vie ne de l it alia no “Mod ello ”. Se gún la Real
A cadem ia E spañ ola , un mode lo e s una rep re sent ación que simb oliza
la pe rf ección en todo s los a spe cto s na tu ra les que posee y en la f orma
en la que la so ciedad rea ccion a an te e llo.
TIPOS DE MODELO

Mode lo matemá tic o

E xp re sa re la ciones, p ro posicione s su sta nt ivas d e he cho s, va riab le s,


pa rám et ro s y re lacione s en tre va riab le s y/ o ent ida des u ope ra cione s
qu e o cu rren f ue ra d el camp o de las matem át icas. Es de cir que
con sist e en la const ru cción de l suceso a un len gua je mat emát ico a
t ra vé s de l aná lisis. Su ob jet ivo e s ap lica r los con ocim ient os
ap re nd ido s a l ob jet o e stu diado.

Mode los fí sic os

Un mode lo f ísico con sist e en la ap licació n de la t eo ría de l mod elo


mat emát ico co nstru yend o un sistema f ísico qu e rep rod ucirán e l
compo rt amie nto de l m ode lo estud iado . Est a con st ru cción se rea liza
u tilizando ob je tos sim ila re s a l rea l y pu ede se r a e scala.

CLASI FI CACIÓ N DE LOS MO DELOS

Mode los es tadís tic os

Con siste en ob tene r la va ria ble re spue st a a t ra vés de un a e cua ción


la cua l ha sido a na lizada pa ra ut iliza r lo s da tos sum in ist rado s, es
de cir las va riab les que f orma n pa rt e de la ecuació n que se ha
ob ten ido pa ra ob tene r la me jo r e xa ct it ud en e l re su lt ado ob te n ido de
un de te rminado f enóme no.

Mode los di námicos

E s a que l e l cua l sus va lo re s in te rno s camb ian co n e l pa sa r de l t iempo


y e s ut iliza do pa ra e spe cif ica r e imp lemen ta r lo s a spe cto s de con t ro l
de l sistema . Este pu ede se r rep re sen tado a t ra vés de d ia gram as de
e sta do, en lo s cua le s lo s no dos son e st ado s y los a rcos son
t ra nsicione s en t re e sta dos causados po r su ce so s.

Mode los de te rmi ní stic os


S o n lo s m o d elos e n d o n d e ca d a va ria b le d e e n t ra da p ro d ucirá
ún icamen te un re su lt ado, son ú tile s en lo s mode lo s dinám icos e n los
cua le s lo s e st ados camb ian con e l pa sa r d el t iemp o y es po sib le
cono ce r su inf o rmación a pa rt ir de lo s va lo re s.

Mode los es tocá s ti cos

E ste tipo de mode lo s t ien en como ob je tivo ge ne ra r da to s y


p ron óstico s a pa rt ir d e mode lo s no de te rmin íst ico s, e sto a t ra vé s d e
p rop ie dade s e st ad íst icas que in vo lu cran a lea to riedad .

Mode los disc re tos

Un m ode lo discreto es a que l en e l cua l su ced en camb io s d e man e ra


d iscre ta, e s d ecir qu e lo s camb io s su cede n e n in te rva lo s du rade ro s
de t iempo y e s f ácil o bse rva r cuan do suced en .

Mode los c onti nuos

Lo s mode lo s cont inu os son a que llos en lo s cu ales lo s camb ios que
af ectan a l sistema su cede n de mane ra co nt inua , e ste mo de lo se
u tiliza cua ndo se ne ce sita sa be r el va lo r de sa lida de un sistem a en
cua lqu ie r in st ante de l t iempo que lo c onf o rma.
BIBLIOGAFÍA

TEMA 1.1
https://scholar.google.com.mx/scholar?q=investigacion+operativa&hl=es&as_sdt=0
&as_vis=1&oi=scholart
https://es.wikipedia.org/wiki/Investigaci%C3%B3n_de_operaciones
http://www.phpsimplex.com/investigacion_operativa.htm
http://www.abelhibert.org/clases/iotoma.pdf
http://www.eumed.net/libros-
gratis/2011b/969/la%20investigacion%20de%20operaciones%20en%20el%20proc
eso%20de%20toma%20de%20decisiones.html
TEMA 1.2
http://sisinformacion.obolog.es/clasificacion-sistemas-2002127
http://informatica-colegiom.forosactivos.net/t13-sistemas-tipos-y-clasificacion
https://es.slideshare.net/PedroElverEnrriquezJ/clasificacion-de-los-sistemas-
49222038
https://www.google.com.mx/search?q=concepto+y+clasificacion+de+sistemas&rlz
=1C1AVUB_enMX792MX792&tbm=isch&tbo=u&source=univ&sa=X&ved=2ahUKE
wja9tjdotDeAhUQA6wKHY9xC4gQsAR6BAgEEAE&biw=1920&bih=969#imgrc=Gv
dQ0X9Nd7VD3M:
https://www.google.com.mx/search?q=concepto+y+clasificacion+de+sistemas&rlz
=1C1AVUB_enMX792MX792&tbm=isch&tbo=u&source=univ&sa=X&ved=2ahUKE
wja9tjdotDeAhUQA6wKHY9xC4gQsAR6BAgEEAE&biw=1920&bih=969#imgrc=m
Vs-k6aLLTUtdM:
TEMA 1.3
http://composicion.aq.upm.es/Master/Modulo%20B/Maure/3.1._Modelos,%20tipos
%20y%20tipologia.pdf
https://es.scribd.com/document/68336430/Concepto-y-Tipologia-de-Modelos-
Leovardo
https://es.scribd.com/document/324792302/Concepto-y-Tipologia-de-Modelos
Instituto Tecnológico de Pachuca

Tema 2:
El modelo de
programación
lineal.
Modelos de Optimización de
Recursos
Ingeniería civil
3er Semestre
Alumnos: Ramírez Hernández Elizeth-Hernández Cerecedo Juan- Quesada
Tinoco José Alfredo-Orozco Martínez Brenda-Leonardo Rubio Ángeles-
González Alvarado Gerardo-Vargas Pérez Johnny-Micete Villanueva Alexis.

Ing. Juan José Mejía Briseño


Índice:

Tema 2.1 El planteamiento del problema de P.L


Pag.3

Tema 2.2 Modelo primal–dual.


Pag.7

Tema 2.3 La interpretación geométrica


Pag.19

Tema 2.4 El método simplex tabular


Pag.23

Tema 2.5 Análisis de sensibilidad


Pag.31

Tema 2.6 Uso de software


Pag.36
Tema 2.1 El planteamiento del problema de P.L.

Programación matemática:
La Programación Matemática (PM) provee modelos matemáticos asociados con
situaciones-problema que involucran decisiones de corto o mediano plazo.
De ahí que se desprenda la programación lineal de la que hablaremos:
EL MODELO MATEMÁTICO DE PROGRAMACIÓN LINEAL:
En el modelo general de Programación Matemática, tanto la función objetivo de
optimización como las “m” restricciones del problema son lineales y se agregan “n”
restricciones de no negatividad para las variables de decisión, se tiene el modelo
matemático de Programación Lineal:

Optimizar (maximizar o minimizar)


Restricciones y objetivos:

Mo

M Sean:

x1 = N º de unidades/ mes a producir y vender de A x2 = N º de unidade s/mes a producir y vender de B

La Programación Lineal puede ser aplicada en una amplia gama de problemas de


decisión
EJERCICIO:
Para el próximo mes, una empresa desea saber cuántas
unidades debe producir y vender de cada uno de sus dos productos principales (A
y B). Los dos bienes se producen en dos fases de proceso (I y II) con los
siguientes coeficientes técnicos:
El beneficio unitario estimado por ventas es de US$ 3.000 y US$ 4.000 para el
bien A y el B, respectivamente.
Plantear matemáticamente y resolver gráficamente.
Sean:
x1 = Nº de unidades/mes a producir y vender de A
x2 = Nº de unidades/mes a producir y vender de B
Fuente de consulta: Libro de
programación lineal.
Tema 2.2: Modelo primal–dual.
DEFINICION

Problema primal: Es el modelo original de la programación lineal. Cada problema


de programación lineal (Primal) está estrechamente relacionado con otro problema
simétrico a él, denominado problema dual.

Problema Dual: es el problema asociado a todo modelo de P.L, los dos están
estrechamente relacionados en el sentido de que la solución óptima de uno
proporciona automáticamente la solución óptima del otro.

El dualismo es una teoría que surge como consecuencia de una profundización en


el estudio de la programación lineal porque la distribución de los recursos y la
formación de los precios son dos aspectos del mismo problema.

FORMA CANONICA

La forma canónica es el representar la ecuación en forma de vector, para su


resolución existen 3 procesaos a seguir, pero para el estudio de este tema de
manera más óptima se empleará la forma
canónica.
USO DE MA FORMULACION DUAL

El emplear el modelo primal –dual nos permite:

 Resolver problemas lineales que tiene más restricciones que actividades.


 Hacer interpretaciones económicas de las soluciones optimas de los
problemas de P.L
 Generar nuevos algoritmos para la solución de problemas de redes de
optimización (problemas de maximización & minimización).
 Generar métodos como el Dual Simplex para el análisis de sensibilidad de
los problemas de P.L
 Puede ser utilizada para resolver el caso en que se debe considerar la
introducción de una nueva variable en el primal una vez que ha de sido
obtenida la solución óptima, sin tener que resolver completamente el
problema.

APLICACIONES EN LA INGENIERIA CIVIL

Dentro de la industria de la construcción es común que se presenten


constantemente problemas, tanto en la obra, como en el gabinete, contratos,
licitaciones o bien dentro de la dirección & administración de la empresa
constructora, entre otros muchos posibles, el ingeniero civil tiene la responsabilidad
de solucionarlos de la manera más óptima que permita una fácil resolución, menor
gastos, tiempo, mantenimiento u operación, según se presente el problema. Para lo
cual el desarrollar modelos matemáticos que permita la solución al problema es
indispensable, a continuación, se presentan las relaciones entre la optimización de
recursos Y la industria de la construcción.
• Costos & presupuestos

• Salarios & producción

• Costos de herramientas, materiales y equipo

• Renta de equipo y maquinaria (horas maquina)

• Rendimiento de materiales

• Impuestos, ganancias Y utilidades

• Administración de obras en general y empresas constructoras


CARACTERISTICAS PRINCIPALES

Las relaciones las podemos enumerar como sigue:

• El problema dual tiene tantas variables Como restricciones tiene el programa


primal

• El problema dual tiene tantas restricciones como variables tiene el programa


primal

• Los coeficientes de la función objetivo del problema dual son los términos
independientes de las restricciones del programa primal

• Los términos independientes de las restricciones del dual son los


coeficientes de la función objetivo del problema primal

• La matriz de coeficientes técnicos del problema dual es la traspuesta de la


matriz técnica del problema primal

• Si el programa primal es un problema de maximización el programa dual es


un problema de minimización.

MÉTODO GRAFICO UTILIZANDO TEOREMAS DE DUALIDAD


Este se define a partir del planteamiento de un modelo primal también conocido

como objetivo.
Reglas para obtener el modelo dual

 El objetivo de un problema debe ser opuesto del otro, es decir:

 Cada restricción en un problema tiene asociada una variable en el otro &


viceversa.

 Los coeficientes de las variables en la función objetivo del primal coinciden


con los términos independientes del dual.
 Los términos independientes del primal son el dual, los coeficientes de las
variables en la función objetivo.
 La matriz de coeficientes tecnológicos de un problema, es la matriz
transpuesta de coeficientes tecnológicos del otro.
Forma canónica de dualidad (versión matricial)

A continuación, se propone una metodología para la resolución de problemas de


optimización mediante el problema Primal-Dual.

De donde se determina que:

C: Es un vector renglón de coeficientes de la función objetivo primal.


b: Es un vector columna de los términos independientes de restricciones del primal
A: Es la matriz de coeficientes tecnológicos de restricción del primal.
X: Es un vector columna de las variables del primal
T: Es la transpuesta del vector o matriz
Y: Es un vector columna de variables duales
EJEMPLO:

Una empresa produce 2 tipos de máquinas de escribir: Manual & Eléctrica. Cada
máquina Manual vendida con un ingreso de $ 40.0 y cada máquina Eléctrica
produce un ingreso de $60.0. Ambos maquinas pasan por un proceso de
ensamblado y empaquetado atreves de 2 procesos distintos O1 & O2. El número
de horas de O1 & O2 requeridos para producir un modelo determinado se da de la
siguiente manera:

Producción de máquinas Eléctricas & Manuales

O1 3 2 2000

O2 1 2 1000

Ahora planteando el problema primal se tiene:

MAXIMIZAR
Z=40X1+60X2
Y se plantean las siguientes restricciones de acuerdo al problema

3X1+2X2≤2000
X1+2X2≤1000
Donde como ya se sabe no puede haber variables negativas, por lo tanto:
X1, X2≥0

Resolviéndolo para hallar la solución óptima podemos tomar dos vías:


1) Al resolver la matriz de la maximización
2) Aplicando el teorema primal –dual, ya que la hallar la solución óptima de
uno se obtiene la solución óptima del otro.
A continuación, planteamos la siguiente Matiz:

Y procedemos a resolverla, por el método que se nos parezca más


conveniente, a continuación, se presenta la solución por 2 métodos
(Determinantes Y Gauus-Jordan)
La solución óptima es producir 500 máquinas de escribir manuales por mes
(X1=500) & 250 máquinas de escribir eléctricas por mes (X2=250). El ingreso
máximo es de $35000.00 por mes.

Ahora bien, el problema también se puede resolver mediante el Dual, que sería el
obtener el mínimo del primal.

Minimizar
G=2000X1+1000X2
Y se plantean las siguientes restricciones de acuerdo al problema

3Y1+Y2≤2000
2Y1+2Y2≤1000
Donde como ya se sabe no puede haber variables negativas, por lo tanto:
Y1, Y2≥0

A continuación, planteamos la siguiente Matiz:

Y procedemos a resolverla, por el método que se nos parezca más conveniente, a


continuación, se presenta la solución por 2 métodos (Determinantes Y Gauus-Jordan)
La solución óptima es producir 500 máquinas de escribir manuales por mes
(X1=500) & 250 máquinas de escribir eléctricas por mes (X2=250). El ingreso
máximo es de $35000.00 por mes. Como podemos observar la solución óptima es
la misma, por lo que se cumple el teorema de dualidad que nos dice: ” Al obtener
la solución óptima del primal se obtiene la soluciono tima del dual y viceversa” .

Conclusiones:
Es muy común encontrarse con diversos problemas, pero al implementar los
modelos matemáticos competentes podemos resolver todo tipo de problemas, es
así como el modelo Primal-Dual nos brinda una herramienta parta solucionarlos.

Fuentes de consulta:

https://es.scribd.com/doc/74732391/2-2-El-Modelo-Primal-y-Dual

https://www.youtube.com/watch?v=QLi7Sh_BUW8

https://www.google.com.mx/search?q=optimizacion+de+recursos+en+la+construccion&rlz=1C1AVFB_enMX
732MX732&source=lnms&tbm=isch&sa=X&ved=0ahUKEwiytoiJ5sPdAhXQ3lMKHWUACJIQ_AUICigB&biw=13
66&bih=608#imgrc=vKlbCphDfWwDjM:
Tema 2.3
LA INTERPRETACIÓN GEOMÉTRICA
Una interpretación geométrica representa las
restricciones sobre unos ejes de coordenadas para
delimitar la región donde se encuentra la solución
factible.

Daremos un ejemplo para que sea mejor comprendido.


En este caso se representa el vector director de la recta
que viene dada por la ecuación de la función objetivo:
F (X, Y) =A*X + B*Y, que hay que maximizar o minimizar.
El vector de la recta antes mencionada viene dado por v= (-B, A), lo único que nos
importa es la dirección del vector, no la magnitud.
Se trazan rectas paralelas a este vector que pasen por los vértices de la región
factible, o por todo el borde de la región factible y se observa en que vértice la
función F se hace máximo sin más que tener en cuenta cuál de las rectas tiene
mayor ordenada en el origen.
Maximizar la función F (X, Y) = 2000X+5000Y sujeta las restricciones:

Graficar las restricciones anteriores, a lo que queda dentro de todas las restricciones
se le llama, REGIÓN FACTIBLE:
Los vértices son los puntos (0,1), (5,1) y (3,-3).
Como la función es F(y)=2000x + 5000y, el vértice director es v= (-5000, 2000), que
tiene la misma dirección que el v= (-5,2) y representándolo queda:

Trazar paralelas al vector, que pasen por los vértices anteriores:


Se observa gráficamente que las tres paralelas trazadas, la que corta al eje Y en un
punto mayor es la que pasa por el punto (5,1), que por tanto será la solución óptima
al problema de máximos planteado.
Para saber cuál es el valor máximo sustituimos en la función:
F (5,1) = 2000*5 + 5000*1= 10000 + 5000= 15000
Luego la función tiene su solución óptima en (5,1) donde toma el valor de 15000.

Ejercicio:
Se va a organizar una constructora, donde se van a adquirir dos tipos de maquinaria
pesada, los compactadores y las retroexcavadoras. Por necesidad de mercado, es
necesario que haya mayor o igual de numero de retroexcavadores que de
compactadores, y que el número de retroexcavadoras no supere al doble de
compactadores. En total se pueden comprar 30 compactadores y 20
retroexcavadoras. El beneficio que tiene por cada renta es de compactadores es de
$550 y $350 por retroexcavadores. ¿Cuántas maquinarias pesadas debe elegir para
obtener el máximo beneficio y cual es este?
X=compactadores
Y= retroexcavadoras
Función objetiva: maximizar
F (X, Y) = 550X + 350Y
Restricciones:
Y≥X
Y≤ 2X
X ≤ 30
Y ≤ 20
Graficar, sustituyendo valores:
x= 30
y= 20
Y≥X
Y=x
Y=0
Y=20
Y≤ 2X
Y=2(0)
Y= 0
Y= 2 (10)
Y= 20
Al graficar se encuentra la Región factible.

Región factible

Solucion optima
maxima

A (0, 0)
B (10, 20)
C (20, 20)
Sustituir cada coordenada en F (X, Y)
A= 550 (0) + 350 (0) = 0
B= 550 (10) + 350 (20) = 12500
C= 550 (20) + 350 (20) = 18000
Máximo beneficio: 20 retroexcavadoras y 20 compactadores.
 Recuperado 6 de septiembre del 2018:
http://sauce.pntic.mec.es/~jpeo0002/Archivos/PDF/T08.pdf, Programación lineal PDF,
pág.. 131-133
2.4 El método simplex tabular
Objetivos: El alumno comprenderá la importancia de la toma de decisiones en
su vida diaria de forma razonable por medio del método simplex tabular.
El alumno comprenderá los conceptos y métodos básicos necesarios para emplear
el método simplex tabular.

Introducción:
El Método Simplex, como parte de la programación lineal, es un método analítico
capaz de resolver aquellos modelos que se vuelven complejos en el uso del método
gráfico por el número de variables empleadas.

Características:
 Minimizar costos o maximizar ganancias (recordar que no existe una relación
predeterminada para estos).
 Los caminos para tomar las decisiones son infinitos
 Cuando se trata de más de dos variables, el camino realmente óptimo.
 Sin embargo, los resultados no siempre deberán tomarse literalmente pues
es deber del interprete considerar que hay factores externos como el cambio
climático, la competencia, las condiciones de seguridad, entre otros.

 Procedimiento:
 Formulación del modelo:
 Variables: representan las incógnitas del problema.
 Restricciones: se contemplan las limitaciones a las que se encuentra sujeta
la resolución del problema considerando la escasez de recursos en tiempo y
espacio.
 Función objetivo: representa la meta que se pretende alcanzar y en la cual
se basan las decisiones principales para maximizar los beneficios o bien para
minimizar los costos (considere que en la programación lineal el calificativo
“lineal” hace referencia que las ecuaciones usadas en el modelo serán
siempre de primer grado, es decir, sin exponentes).
Primero se analizan las restricciones que tenemos para asignarles una variable ´´S´´
con esto podremos convertir las inecuaciones en ecuaciones normales, nótese que
estas pueden variar tanto de valor que por lo generar al considerarlas en nuestras
soluciones valdrán cero.

Se elabora una tabla con los tipos de variables y la respectiva solución

Se convierte la función objetivo en su forma general para poder incluirla en el primera

fila de la tabla.
De esta manera es fácil identificar las variables cuyo valor vamos a turnar a cero teniendo
como Coeficiente 1 en un lugar de cada columna.

Basándonos en la tabla podemos deducir que las variables ´´S´´ en cada fila tienen los
valores 20, 18 y 8 y las variables x son igual a 0 y por tanto z es igual a 0, con esto
intentaremos hacer crecer el valor de z haciendo tomar a X1 o a X2 un valor diferente de 0.
para esto buscamos en la fila de la función objetivo el valor más bajo o más negativo lo cual
indica que X1 se volverá una variable básica.

Si el coeficiente de una variable en una restricción es 0 o negativo esta puede


crecer sin límites, pero si es positivo se puede saber hasta dónde crecerá si se
divide la constante entre el coeficiente de la variable.

Esto significa que la variable X1 se puede volver básica o bien adquirir un valor
y la variable ´´S3´´ dejara de serlo.
La construcción de la segunda tabla se basara en el valor donde intersectan las
variables de salida y entrada, considerando en la siguiente tabla a X1 como una
variable básica y como será el pivote para resolución su fila pasa igual.

Para continuar se necesita transformar los valores de la columna que comparte el


pivote en 0 y esto se logra operando como si fuera una matriz por método de gauss
o gauss-Jordán.
Una vez completada la segunda tabla se buscan números negativos en la fila de la
función objetivo para repetir el mismo procedimiento. Debido a que la variable 2
entrara como básica se determinara cual de las 2 variables ´´s´´ abandonara este
sistema y será la que mas restrinja su crecimiento.

Esto se logra dividiendo la constante entre el coeficiente de la variable aquí hay un


caso particular donde se divide entre 0 con esto se sabe que puede crecer sin limite.
Una vez ubicado la fila del pivote se traslada a una tercera tabla para sustituir a la variable
X2 en el sistema.
Con el pivote se busca convertir de nuevo los coeficientes en de la misma columna
que el pivote en o realizando las operaciones típicas de un resolución de matrices.
Debido a que queda un coeficiente negativo en la fila de función objetivo se repite
el proceso.

Se pasa a una tabla nueva la fila del pivote para poder sustituir la variable ´´S2´´ por
la variable ´´S3´´ volviéndola básica.

Resultados:
Cabe aclarar que las variables S2 y S1 dejaron de ser básicas por lo que su valor
es 0.

Ejercicio de aplicación:
 Una empresa produce concreto premezclado de dos diferentes resistencias,
vende la olla de resistencia más baja a $9,000 y la de mayor resistencia a
$10,000. Para producirlos la empresa dispone de 700kg de cemento, 800 kg
de arena y 900kg de grava. ¿Qué cantidad de ollas debería producir la
empresa? Se sabe que el de baja resistencia ocupa 7kg de cemento, 10 kg
de arena y 6kg de grava, mientras que el de mayor resistencia ocupa 10kg
de cemento, 8kg de arena y 15kg de grava.

proceso Concreto de Concreto de Limites de los


baja alta Insumos
resistencia resistencia
Cemento 70 10 700

Arena 100 8 800

Grava 6 15 900

Beneficio 9,000 10,000


Resultados:

Fuente de consulta:
https://www.youtube.com/watch?v=CCud7rAIi8A
https://www.youtube.com/watch?v=hVjBn14xdMQ
2.5-Análisis de sensibilidad
Definición:
El análisis de sensibilidad o post-optimar para los modelos de programación lineal,
tiene por objetivo identificar el impacto que resulta en los resultados del problema
original luego de determinadas variaciones en los parámetros, variables o
restricciones del modelo, sin que esto pase por resolver el problema nuevamente.

Coeficientes objetivos:
No afectan la forma de la región factible, por lo que no afectarán a la solución óptima.

Coeficientes tecnológicos:
Los cambios en estos coeficientes provocarán cambios sustanciales en la forma de
la región factible.

Recursos disponibles:
Los cambios suponen desplazamientos paralelos de las rectas asociadas a las
restricciones, lo cuál hará variar la forma de la región factible y con ello a la solución
óptima.

■ Ejemplo ilustrativo:
Una empresa produce concreto premezclado de dos diferentes resistencias,
vende la olla de resistencia más baja a $9,000 y la de mayor resistencia a
$10,000. Para producirlos la empresa dispone de 700kg de cemento, 800 kg de
arena y 900kg de grava. ¿Qué cantidad de ollas debería producir la empresa?
Se sabe que el de baja resistencia ocupa 7kg de cemento, 10 kg de arena y
6kg de grava, mientras que el de mayor resistencia ocupa 10kg de cemento, 8kg
de arena y 15kg de grava.

Variables:
■ X1 = ollas de baja resistencia.
■ X2 = ollas de alta resistencia.

Z X1 X2 S1 S2 S3 R

1 0 0 0.64 0.45 0 809,000

0 1 0 -0.18 0.22 0 54

0 0 1 0.22 0.16 0 32

0 0 0 -2.31 1.02 1 95
Función objetivo:
■ Z(max) = 9000X1 + 10000X2
Restricciones:
■ 7𝑋1 + 10𝑋2 ≤ 700

■ 10𝑋1 + 8𝑋2 ≤ 800


■ 6X1 + 15X2 ≤ 900
■ X1,X2 ≥ 0
Tabla óptima (método simplex)

Metodología:
1. Escoger el valor más alto de “S” para Z y sumar su columna multiplicada por
∆ a los valores encontrados.

1. Escoger el valor más alto de “S” para Z y sumar su columna multiplicada por
∆ a los valores encontrados.
2. Sustituir en la tabla.

1. Escoger el valor más alto de “S” para Z y sumar su columna multiplicada por
∆ a los valores encontrados.
2. Sustituir en la tabla.
3. Formular inecuaciones mayores o iguales a 0, despejar a ∆ y encontrar un
rango de valores permitidos.

1. Escoger el valor más alto de “S” para Z y sumar su columna multiplicada por
∆ a los valores encontrados.
2. Sustituir en la tabla.
3. Formular inecuaciones mayores o iguales a 0, despejar a ∆ y encontrar un
rango de valores permitidos.
4. Sustituir un valor deseado de ∆ en la tabla del paso 2.
Tema 2.6 Uso de Software
INTRODUCCION.

En modelos de optimización de recursos utilizaremos Geogebra para el método


grafico analítico donde graficaremos funciones y encontraremos sus puntos
óptimos con herramientas de la aplicación, y de esta forma encontrar la solución
óptima del problema.
Geogebra.

Es básicamente un procesador geométrico y un


procesador algebraico, es decir, un compendio
de matemática con software interactivo que
reúne geometría, álgebra, estadística y cálculo,
por lo que puede ser usado también en física,
proyecciones comerciales, estimaciones de
decisión estratégica y otras disciplinas.
Geogebra permite el trazado dinámico de
construcciones geométricas de todo tipo así
como la representación gráfica, el tratamiento
algebraico y el cálculo de funciones reales de variable real, sus derivadas,
integrales, etc.
“A continuación presentaremos un pequeño manual de uso de cómo usar esta
aplicación para la maximización y minimización de funciones “
MANUAL DE USO.
Paso 1:
Primeramente metemos las ecuaciones de la las funciones lineales en la barra de
entrada de la aplicación.

Paso 2:

Localizamos los puntos óptimos, donde sabemos que los puntos óptimos se
encuentran del punto de intersección de rectas hacia el origen del eje coordenado.
Para este paso nos vamos a la barra de herramientas localizado en el encabezado
del software de aplicación, y seleccionas la herramienta Punto.

Paso 3:

Utilizamos la herramienta punto para obtener los puntos exactos de la intersección


de las rectas con el eje coordenado, no obviando la zona factible.

Paso 4:

Paso 4:

Utilizaremos la herramienta “intersección” para un punto especial que es el


punto de intersección de las dos rectas, utilizamos esta herramienta ya que no
sabemos en que ordenada se encuentra este punto y utilizando la herramienta
punto nos daría un dato aproximado.

Paso 5:

Una vez localizados los puntos de OPTIMOS lo que resta es sustituir los puntos
en la función objetivo y escoger el resultado que proporcione mayor ganancia.
Quedando así el paso final.

Esta herramienta nos es de mucha ayuda para la realización de este tipo de


problemas ya que el objetivo de mayor importancia de este método es encontrar la
gráfica y los puntos óptimos delos problemas. Sin la utilización de esta
herramienta tendríamos que hacer mucha algebra para llegar a la solución de
determinados problemas.
La aplicación se puede encontrar en PlayStore, tienda Windows y en la siguiente
pagina https://geogebra.softonic.com

PHP simplex
Metodo
Php simplex es una herramienta online para resolver problemas de programación
lineal, su uso es libre y gratuito concuerda con el tema del metodo simplex tabular.

Paso 1

Colocación de las variables del problema y de las restricciones

Paso 2 colocas tus datos en la tabla


Paso 3

Nos determina si vamos a colocar más datos o ya para meter la información del tema
Paso 4

Primera tabla ahí indica que variables se movieron

Paso 5

Otra variable se coloca de diferente forma


Paso 6

La variable P4 se cambió y entro la variable P5

Paso 7

Ya obtienes la solución óptima


Aquí su grafica del problema

Te muestra lo que se encuentra en solución y pertenecen a la región factible.


Por último esta aplicación solo la puedes encontrar en cualquier navegador, el
detalle es que necesita datos para poder utilizarse o conectarse en cualquier red
inalámbrica.
3.1 PROBLEMA DE TRANSPORTE, PLANTEAMIENTO DE PROBLEMA Y
DETERMINACIÓN DE LA SOLUCIÓN BÁSICA, FACTIBLE, INICIAL.

El problema de transporte
¿Qué significa problema de transporte?
Supongamos que un fabricante tiene tres plantas que producen el mismo producto.
Estas plantas a su vez mandan el producto a dos depósitos. Cada planta puede
mandar productos a todos los depósitos, pero el costo de transporte varía con las
diferentes combinaciones. EL problema es determinar la cantidad que cada planta
debe mandar a cada depósito con el fin de minimizar el costo total de transporte.
Planteamiento del problema
El problema del transporte en general se especifica mediante la siguiente
información:

 1. Un conjunto de m puntos de oferta desde los cuales se envían utilidades


o bienes.
 2. Una lista de capacidades de suministro máximo de cada sitio de oferta si
para i = 1, 2,. . ., m.
 3. Un conjunto de n puntos de demanda hacia los cuales se envía una
utilidad o bien.

 4. Una lista de demandas de utilidades o bienes de dj cada punto de


demanda j las cuales deben satisfacerse mínimamente.
 5. Una matriz de valores que indica el costo fijo en el que se incurre al
enviar una unidad producida en el punto de oferta i y enviada al punto de
demanda j, cij .
Determinación de la solución básica factible
 La utilización del método SIMPLEX no resulta eficiente para resolver el
Problema de Transporte, por lo cual se utilizan otros métodos como:
 a) Método de la Esquina Nor-Oeste (N-O)
 b) Método de la Matriz de Costo Mínimo
 c) Método de Vógel
MÉTODO DE LA ESQUINA NOROESTE
Características
 Sencillo y fácil de hacer
 No tiene en cuenta los costos para hacer las asignaciones
 Generalmente nos deja lejos del óptimo
Algoritmo
 1. Construya una tabla de ofertas (disponibilidades) y demandas
(requerimientos).
 2. Empiece por la esquina noroeste.
 3. Asigne lo máximo posible (Lo menor entre la oferta y la demanda,
respectivamente)
 4. Actualice la oferta y la demanda y rellene con ceros el resto de casillas
(Filas ó Columnas) en donde la oferta ó la demanda halla quedado
satisfecha.
 5. Muévase a la derecha o hacia abajo, según halla quedado disponibilidad
para asignar.
 6. Repita los pasos del 3 al 5 sucesivamente hasta llegar a la esquina
inferior derecha en la que se elimina fila y columna al mismo tiempo.
Ejemplo
 Una compañía tiene 3 fábricas ubicadas en A, B y C, las cuales proveen a
los almacenes que están ubicados en D, E, F y G. La capacidad de
producción de las fábricas es de 70, 90 y 115 unidades mensuales
respectivamente, mientras que las capacidades de los almacenes son de
50, 60, 70 y 95 unidades respectivamente. El costo de envió de una unidad
desde cada una de las fábricas a cada una de los almacenes se presenta
en el siguiente cuadro (en pesos):
MÉTODO DEL COSTO MÍNIMO
Características
 Es más elaborado que el método de la esquina noroeste
 Tiene en cuenta los costos para hacer las asignaciones
 Generalmente nos deja alejados del óptimo
Algoritmo
 1. Construya una tabla de disponibilidades, requerimientos y costos
 2. Empiece en la casilla que tenga el menor costo de toda la tabla, si hay
empate, escoja arbitrariamente (Cualquiera de los empatados).
 3. Asigne lo máximo posible entre la disponibilidad y el requerimiento (El
menor de los dos).
 4. Rellene con ceros (0) la fila o columna satisfecha y actualice la
disponibilidad y el requerimiento, restándoles lo asignado.
 Nota: Recuerde que no debe eliminar ó satisfacer fila y columna al mismo
tiempo, caso en que la oferta sea igual a la demanda, en tal caso recuerde
usar la ε (Épsilon).
 5. Muévase a la casilla con el costo mínimo de la tabla resultante (Sin tener
en cuenta la fila o columna satisfecha).
 6. Regrese a los puntos 3,4,5 sucesivamente, hasta que todas las casillas
queden asignadas.

Ejemplo
 El hospital Saludmuch pertenece a la Compañía de Seguros Todosalud SA.
Esta sociedad tiene un Centro de Asistencia Primaria (CAP) en 5 ciudades
de una región (un CAP en cada ciudad). Para obtener un buen
funcionamiento global del servicio y poder planificar el número de visitas en
función del personal previsto en cada CAP y de su dimensión, Todosalud
S.A. ha decidido organizar el servicio de tal forma que todos sus
asegurados tengan un CAP de referencia asignado, pero que sea éste el
más cercano posible a su lugar de residencia. En la región hay 5 ciudades y
la compañía sabe cuántos asegurados tiene en cada uno de ellos. Los CAP
tienen una capacidad máxima de pacientes que pueden soportar. El
objetivo es asignar a los asegurados a los CAPs minimizando el coste de
desplazamiento o la distancia total.
MÉTODO DE VOGEL
Características
 Es más elaborado que los anteriores, más técnico y dispendioso.
 Tiene en cuenta los costos, las ofertas y las demandas para hacer las
asignaciones.
 Generalmente nos deja cerca al óptimo.
Algoritmo
 1. Construir una tabla de disponibilidades (ofertas), requerimientos
(demanda) y costos.
 2. Calcular la diferencia entre el costo más pequeño y el segundo costo
más pequeño, para cada fila y para cada columna.
 3. Escoger entre las filas y columnas, la que tenga la mayor diferencia (en
caso de empate, decida arbitrariamente).
 4. Asigne lo máximo posible en la casilla con menor costo en la fila o
columna escogida en el punto 3.
 5. asigne cero (0) a las otras casillas de la fila o columna donde la
disponibilidad ó el requerimiento quede satisfecho.
 6. Repita los pasos del 2 al 5, sin tener en cuenta la(s) fila(s) y/o columna(s)
satisfechas, hasta que todas las casillas queden asignadas.
 Nota: Recuerde que no debe satisfacer filas y columnas al mismo tiempo;
caso en que la disponibilidad sea igual al requerimiento; en tal caso use el ε
(epsilon).
Problema ejemplo.

3.2 PROBLEMAS DE ASIGNACIÓN: PLANTEAMIENTO DEL PROBLEMA,


ALGORITMO PARA DETERMINAR LA ASIGNACIÓN ÓPTIMA.

MODELO DE ASIGNACIÓN.
El modelo de asignación es un tipo especial de problema de programación
lineal en el que los asignados son recursos que se destinan a la realización de
tareas. por ejemplo, los asignados pueden ser empleados a quienes se tiene que
dar trabajo. la asignación de personas a trabajos es una aplicación común del
problema de asignación. sin embargo, los asignados no tienen que ser personas.
También pueden ser máquinas, vehículos o plantas, o incluso periodos a los que
se asignan tareas.
OBJETIVO.
Determinar la asignación optima de trabajadores a puestos.

Modelo general de asignación


con n trabajadores y n
puestos
• El número de asignados es igual al número de tareas. (n)
• A cada asignado se le asigna sólo una tarea.
• Cada tarea debe realizarla sólo un asignado.
• Existe un costo Cij asociado con el asignado i (i 5 1, 2, . . . , n) que realiza la
tarea j ( j 1, 2, . . . , n).
• El objetivo es determinar cómo deben hacerse las n asignaciones para
minimizar los costos totales.

FORMAS DE REPRESENTACIÓN DE UN PROBLEMA DE ASIGNACIÓN

TABLA DE TRANSPORTE: Otra forma de plantear el problema de transporte (


recordemos que el problema de asignación es un caso especial del de transporte)
es mediante una tabla llamada tabla de transporte, la cual tiene forma de matriz
donde los renglones representan las fuentes y las columnas los destinos o
trabajos.

MATRIZ DE COSTOS: Es una matriz cuadrada de n*n, donde cada elemento


representa el costo de asignar el enésimo trabajador al enésimo trabajo;
renglones = trabajadores.
RED.
Muchos problemas de redes son más que una representación abstracta de procesos
o actividades, tales como el camino crítico en las actividades entre las redes de un
proyecto. Para definir lo que es una red necesitaremos saber qué es un nodo.

Cuando el problema de
asignación es de
maximización se le llama
problema de selección.

MÉTODO HÚNGARO

- El método Húngaro es un método de optimización de problemas de asignación.


- Primeros aportes al método clásico definitivo fueron de Dénes König y Jenő
Egerváry dos matemáticos húngaros.
- El algoritmo para MINIMIZACIÓN únicamente.
- Trabaja con una matriz de costos n*m (en este caso m*m, dado que n = m).
Para resolver problemas de asignación, aplicando el método Húngaro, se requiere
seguir los siguientes algoritmos o pasos:
Paso 1
En la matriz original de costo, identificar el mínimo de cada renglón y restarlo de
todos los elementos del renglón.
Paso 2
En la matriz que resulte del paso 1, identificar el mínimo de cada columna, y
restarlo de todos los elementos de la columna.
Paso 2.1
Si no se puede asegurar una asignación factible (con todos los elementos cero)
con los pasos 1 y 2,
a). Trazar la cantidad mínima de líneas horizontales y verticales en la última matriz
reducida que cubran todos los elementos cero.
b). Seleccionar el elemento mínimo no cubierto, restarlo de todo elemento no
cubierto y a continuación sumarlo a todo elemento en la intersección de dos
líneas.
c). Si no se puede encontrar una asignación factible entre los elementos cero que
resulten, repetir el paso 2.1. En caso contrario, seguir en el paso 3 para determinar
la asignación óptima.
Paso 3 Identificar la solución óptima como la asignación factible asociada con los
elementos cero de la matriz obtenida en el paso 2.

EJEMPLO 1
Un equipo de 3 trabajadores debe ser asignado para la realización de 3 tareas,
donde cada trabajador debe hacer una tarea. Se requiere encontrar la asignación
de costo mínimo para lo cual se dispone de los costos asociados a que el
trabajador i realice la tarea j.

SOLUCIÓN
PASO 1: En la matriz original de costo, identificar el mínimo de cada renglón y
restarlo de todos los elementos del renglón.
PASO 2: En la matriz que resulte del paso 1, identificar el mínimo de cada
columna, y restarlo de todos los elementos de la columna.

PASO 3: Identificar la solución óptima como la asignación factible asociada con los
elementos cero de la matriz obtenida en el paso 2.
Las celdas con valor cero y color cafés son la solución óptima. En
consecuencia el mecánico 1 realiza la tarea 2, el mecánico 2 asuma la tarea 1 y el
mecánico 3 la tarea 3. Cada mecánico realiza exactamente una tarea y el costo
total de dicha asignación (valor óptimo) es de Q9+Q10+Q8=Q27.

EJEMPLO 2
Una empresa debe asignar 4 tareas a 4 trabajadores. El costo de realizar
un trabajo es función de los conocimientos de los trabajadores. La siguiente
tabla resume el costo de las asignaciones. El trabajador 1 no puede hacer el
trabajo 3, y el trabajador 3 no puede hacer el trabajo 4. Determine la asignación
óptima con el método húngaro.

PASO 1. Identificar mínimo de cada renglón y restarlo renglón.


Paso 2. Identificar mínimo de cada columna y restarlo a c/elemento de la
columna.
Si no se puede asegurar una asignación factible (con todos los elementos cero)
con los pasos 1 y 2
Paso 2.1 a). Trazar la cantidad mínima de líneas horizontales y verticales en la
última matriz reducida que cubran todos los elementos cero.

b). Seleccionar el elemento mínimo no cubierto, restarlo de todo elemento no


cubierto y a continuación sumarlo a todo elemento en la intersección de dos
líneas.

c). Si no se puede encontrar una asignación factible entre los elementos cero que
resulten, repetir el paso 2.1. En caso contrario, seguir en el paso 3 para determinar
la asignación óptima

PASO 3: Identificar la solución óptima como la asignación factible asociada con los
elementos cero de la matriz obtenida en el paso 2.
Las celdas con valor cero y color verde son la solución óptima. En consecuencia el
trabajador 1 realizará el trabajo 4, el trabajador 2 asuma el trabajo 3, el trabajador
3 realizará el trabajo 2 y el trabajador 4 el trabajo 1. Cada trabajador realizará
exactamente un trabajo y el costo total de dicha asignación (valor óptimo) es
de Q20+Q20+Q30+70=Q140.

BIBLIOGRAFÍA
https://proyectoinvestigacionoperaciones.wordpress.com/2016/11/09/primera-
entrada-del-blog/
https://www.gestiopolis.com/modelo-asignacion-caso-modelo-transporte/

3.3 USO DE SOFTWARE

TORA
El software TORA de optimización es un programa basado en Windows, que tiene
por objeto usarse con muchas de las técnicas presentadas en el libro de
investigación de operaciones de TAHA.

Libro de investigaciones TAHA

La novena edición del reconocido libro TAHA contiene,


de manera concisa que las anteriores, tanto el texto
como el software de apoyo, con el fin de que el lector se
enfoque de lleno en puesta en ejecución algorítmica y
práctica de las técnicas de investigación de
operaciones.

DESCRIPCIÓN

TORA es una aplicación muy simple, con una interfaz


gráfica de baja calidad. Una de las ventajas de TORA es que puede utilizarse en
procesadores de 32 y 64 bits, hoy por hoy su principal desventaja es que debe
ajustarse la configuración de pantalla para adecuarse a sus ajustes de
presentación de 800x600 o 1024x768
MÉTODO DE ESQUINA NORESTE

EL método de la esquina noreste es un algoritmo heurístico


capaz de solucionar problemas de transporte o distribución,
mediante la consecución de una solución básica inicial que
satisfaga todas las restricciones existentes, sí que esto
implique que se alcance el costo optimo total.

MÉTODO DEL COSTO MÍNIMO

El método del costo mínimo o método de los


mínimos costos es un algoritmo desarrollado con el
objetivo de resolver problemas de transporte o
distribución, arrojando mejores resultados que
métodos como el de la esquina noreste, dado que e
enfoca en las rutas que presentan menores costos.

MÉTODO DE APROXIMACIÓN DE VOGEL

El método de aproximación de vogel es un método


heurístico de resolución de problemas de transporte
capaz de alcanzar una solución básica no artificial
de inicio, este modelo requiere de la realización de
un numero generalmente mayor de iteraciones que
los demás métodos heurísticos existentes con este
fin, sin embargo produce mejores resultados
iniciales que los mismos.

BIBLIOGRAFÍA:

https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/investigación-de-operaciones/programación-lineal-en-tora/

https://www.elsolucionario.org/investigacion-de-operaciones-hamdy-taha-9ed/
5.1 CONSTRUCCION DE REDES DE ACTIVIDADES DE UN
PROYECTO

El Método del Camino Crítico es una parte de la fase administrativa


de planeación que se encarga de la programación, ejecución y control de
un proyecto que deba realizarse con aprovechamiento óptimo de tiempo y
costos destinados al mismo. No solo se denomina Camino Crítico al sistema total,
sino también se le llama así a la serie de actividades, a partir de la iniciación y hasta
la terminación del proyecto que no tienen posibilidad de variación en su tiempo de
ejecución, ya que si una de ellas retrasara el proyecto total sufrirá el mismo efecto.
También se entiende por camino crítico a la secuencia de actividades que ocupan
el mayor tiempo de ejecución del proyecto y con lo cual definen la duración total del
mismo.
El Método del Camina Crítico tiene una variada gama de aplicaciones dentro de
la Administración moderna, además de aquellas correspondientes a la industria de
la construcción de procesos industriales. Algunos de los proyectos de
carácter administrativo financiero o mercadotécnico que pueden ser desarrollados
mediante el Método del Camino Crítico son:
Lanzamiento de un nuevo producto al mercado.
Instalación y puesta en marcha de un sistema de Cómputo Electrónico.
Preparación del presupuesto de una obra civil.
Realización de Auditorias de Estados Financieros.
Etc.
Prevaleciendo como características de los proyectos el que:
No sean cíclicos o repetitivos dentro del trabajo cotidiano.
Se busque realizarlos con el óptimo aprovechamiento de los recursos financieros,
humanos y materiales dentro del tiempo programado.

PASOS PARA ELABORAR UNA RED DE ACTIVIDADES.


En todo proyecto será necesario dividir el Método del Camino Crítico en dos etapas:
1.- Planeación y Programación
2.- Ejecución y Control
a) Definición y Objetivos del Proyecto. En él se evalúa la factibilidad de éxito del
mismo, si se cuenta con los recursos necesarios, así como la época más viable para
el inicio tomando en cuenta las necesidades de la empresa y sus directivos, la carga
del trabajo en determinadas temporadas, etc.
b) Lista de Actividades a realizar. Es el detalle de las funciones a ejecutar ya sean
físicas o mentales, que integran procesos o fases que se interrelacionan en
el desarrollo de un proyecto.
c) Matrices o tablas de información –Matriz de antecedentes y secuencias.-esta
tabla de información permite interrelacionar las actividades indicando cuáles
deberán ser elaboradas antes o después según la secuencia del desarrollo del
proyecto. Para ser llenada se prepara una hoja con 4 columnas cuyos encabezados
son: Antecedentes, Actividad Núm., Secuencias y Anotaciones. –Matriz de
tiempos.- Se procede a elaborar la correspondiente a los tiempos estimados para la
realización de cada actividad programada y así obtener la duración total de un
proyecto. Aplicando la fórmula PERT permitirá calcular el tiempo estándar (te) el
cual será usado en el proyecto. Tiempo óptimo (o) representa el mínimo posible de
consumir la actividad. Tiempo Normal (M) es el que en condiciones normales se
necesita para la ejecución de las actividades programadas. Tiempo pésimo (p) es
el máximo necesario para realizar la actividad si todo saliera mal. Tiempo estándar
(te)
te = 0 + 4M + p
6
- Matriz de costos y pendientes.- Se solicita a los responsables del proyecto que
proporcionen el costo expresado en unidades monetarias; ya con
los datos solicitados se calcula la pendiente (m) que es la relación que guardan el
tiempo y el costo.
d) Red o gráfica de actividades (símbolos).Se llama así a la representación gráfica
de la matriz de antecedentes, secuencias y tiempos, mediante ella es posible
mostrar en forma clara y comprensible la relación, interrelación, secuencias, etc., de
las actividades a realizar así como el camino crítico.
Las actividades se representan mediante flechas las cuales indican el tiempo que
se ocupará en su realización.
Estas flechas pueden ser rectas, curvas, quebradas, etc., según las necesidades en
el trazo de la red, ejemplos:

En algunos casos, al trazar la red, es necesario indicar la relación de una actividad


con otro u horas, para lo cual es necesario dibujar flechas que indiquen dicha
relación; este tipo de flechas, al no representar consumo de tiempo y/o recursos, se
dibujan en forma punteada, ejemplos:
A estas actividades se les conoce con los nombres de actividades ficticias o "ligas".
Todas las ligas se dibujarán de izquierda a derecha (a excepción de aquellas
actividades reales que por ser muy breve su duración se represente con cero de
tiempo y por lo tanto se dibujarán en forma ascendente o descendente), y tanto al
inicio como al término de cada una de ellas es necesario dibujar un pequeño círculo
(o) el cual se denomina como "evento" o "nodo", los que señalarán el principio o fin
de la actividad, ejemplos:

Al evento de iniciación se le conoce como evento "i" y al de la finalización como


evento "j", el evento final de una actividad será el inicial de la actividad siguiente. De
un evento pueden iniciar o terminar varias actividades, ejemplo:

Al dibujar la Red es conveniente evitar:


1) Que dos o más actividades que inicien de un mismo evento terminen, también,
en un mismo evento, ejemplo:

Ya que puede provocar error al interpretarla, por lo que se recomienda el uso de


luna "liga" o actividad ficticia para relacionarlos, ejemplo:
2) No puede iniciar una actividad a la mitad de la otra.

Y para evitarlo es necesario dividir en dos la actividad en donde se origine el


problema.

3) No se deben tener al iniciar la red, varios eventos que parten de actividades


distintas sin relacionarlos entre sí, mediante ligas, ejemplo:
4) El mismo cuidado se debe tener al finalizar la red, ejemplo:

Cuando existe alguna actividad con duración de cero, se dibuja así:

Para trazar la red se utiliza, preferentemente, papel cuadriculado dibujando primero


una escala de tiempos que represente la división utilizada al calcular la matriz
(horas, días semanas, meses, etc.)
Es siempre conveniente dibujar la red con lápiz ya que, normalmente, se cambiarán
de lugar algunas actividades para facilitar su construcción.
Para finalizar el dibujo de una red se trazan las ligas a partir de las actividades hasta
el último nodo o evento ya trazado, quedando totalmente terminada la red del
proyecto el cual tendrá una duración a tiempo estándar (te).
Una vez que la Red de Actividades del proyecto ha sido concluida, se conoce la
duración total del mismo el cual puede ser:
Menor del tiempo previsto.- En este caso se puede decir que la Red de está
terminada y se procede a calcular los costos del proyecto.
Igual del tiempo previsto.- Se procede igual que en el inciso anterior.
Mayor del tiempo previsto.- En este caso obliga a cumplir el tiempo de algunas
actividades, con el objetivo de reducir el tiempo del proyecto obtenido por el
programado por la dirección.
e) Elasticidad y probabilidad de retraso.
La segunda etapa se divide a su vez en:
a) Graficas de control de tiempos y costos
b) Ajustes y Evaluación de resultado
EJEMPLO:
Origen
Se trata de una técnica aplicada importantes proyectos de nuestra historia
contemporánea. La Armada de los Estados Unidos comenzó a utilizarla en 1958
para la planificación del proyecto Polaris, un misil balístico basado en submarinos,
construido con armas nucleares durante la Guerra Fría. Se dice que gracias a la
lógica de PERT, se adelantó dos años la fecha de terminación de su construcción.
Toda una ventaja si tratamos un contexto bélico. El programa Apolo, por ejemplo,
también fue programado siguiendo el método PERT.
En la actualidad, PERT se emplea tanto en proyectos gubernamentales como
relativos a la industria. De hecho, algunos gobiernos, como el estadounidense o
instituciones públicas como la NASA, exigen a las compañías privadas un trabajo
basado en la lógica de PERT.

¿Para qué sirve el diagrama de PERT?

El Diagrama de PERT es utilizado por las empresas desde mediados del siglo
pasado. Sus funcionalidades son múltiples, ya que entre las más destacadas, la
técnica de PERT nos ayuda a saber cuál será el final del proyecto. Es decir, la
fecha mínima en la que terminaremos nuestro trabajo. Esto nos permite establecer
una comunicación más efectiva con el dueño del proyecto o cliente.

PERT cumple unos aspectos primordiales.

 Funciona a través de una red de relaciones de procedencia de los elementos


que componen las actividades, respecto al orden en el que se deben ejecutar.

 Su característica fundamental es la duración de las actividades

 Busca cumplir con fechas de entrega específicas

 Evalúa el impacto de los cambios durante la ejecución del proyecto.


Las simulaciones pueden gestionar mejor la incertidumbre. Si hay desviaciones
de lo planificado, se comprobará cómo afecta ese cambio al proyecto en su
conjunto. Lo podemos obtener automáticamente con aplicaciones avanzadas de
gestión.
Además, todo ello puede estar representado en un diagrama de Gantt.

PERT también sirve para muchas más cosas. Recopilamos una serie de ventajas y
desventajas del Diagrama de PERT.

Ventajas

 Organizar actividades.

 Calcular rutas de trabajo optimizadas.

 Tiene en cuenta las dependencias entre las tareas.

 Planificaciones más efectivas y realistas.

 Tiene en cuenta cada actividad de manera individual y su relación con las


demás tareas.

 Permite la identificación de cuellos de botella o nodos críticos en la ruta de


trabajo.

 Ayuda a cumplir plazos y presupuestos estimados.

 Mejora la toma de decisiones anticipadas y efectivas.

 Mejor integración y presentación de datos a los interesados del proyecto.


Desventajas

 No fomenta la planificación flexible. Es complicado re-planificar si aplicas


técnicas de PERT en la gestión de proyectos. Afortunadamente, existen
aplicaciones como Sinnaps que superan este límite para adaptar el métodos
PERT y CPM al mundo tan versátil en el que vivimos hoy.

 No disponemos de datos suficientes al crear el diagrama de PERT


online. Cuando realizamos la primera planificación o estimación del proyecto,
aún no tenemos una información exhaustiva y completa del mismo. ¿Cómo
saber la estimación exacta de costes o plazos? De ahí, que tengamos la
necesidad de re-planificar y nos lleve a la primera barrera de PERT: su
estatismo.

 Supone un enorme esfuerzo realizar por nosotros mismos una red de PERT
de un proyecto medio. Las rutas de trabajo suelen contener varias actividades,
con varias dependencias entre sí. Debemos tener en cuenta diferentes y
múltiples nexos

 Único parámetro es el factor tiempo. Si falla algún dato sobre duraciones de


actividades, cambios de fechas, plazos u otra variación en la gestión de
recursos, toda la red PERT se vendría abajo. De ahí, la importancia de usar
apps que tengan en cuenta estas desventajas del Diagrama de PERT, y que
permitan planificaciones flexibles.

 No es un método ágil. Por todo lo que hemos mencionado anteriormente, la


técnica de PERT es predictiva pero no es ágil. No permite una revaluación
constante de la planificación, alejándose así de una gestión realista. Sí predice
lo que sucederá en proyectos con un nivel de incertidumbre no muy elevado.
DIFERENCIA ENTRE PERT Y CPM

El modelo PERT y CPM suelen ir asociados en toda gestión de proyectos. Ambas


técnicas llevan empleándose desde los años 50 del siglo XX, cuando comenzaron
su aplicación por la armada estadounidense.

La técnica de PERT se centra en establecer las relaciones entre las actividades, a


partir de las dependencias entre ellas. Mientras que CPM encuentra los caminos
críticos y cuellos de botella del proyecto, apoyada de PERT.
Los caminos críticos son las rutas que primero debemos realizar si queremos
terminar en plazo. Porque muchas actividades estarán esperando que se realicen
otras previas. Esta ruta crítica suele marcar el final del proyecto, ya que suele ser
de las más largas del mismo.
Referencia: https://www.sinnaps.com/blog-gestion-proyectos/diagrama-de-pert

Partes del Diagrama de PERT


Tareas:

(A veces denominadas actividades o etapas), representadas por una flecha. Se le


asigna a cada una de las tareas un código y una duración. Sin embargo, la
longitud de la flecha es independiente de la duración de la tarea.

Etapas:

Es decir, el inicio y el final de la tarea. Cada tarea tiene una etapa de inicio y una de
finalización. Con excepción de las etapas iniciales y finales, cada etapa final es una
etapa de inicio de la siguiente tarea. Las etapas generalmente están numeradas y
representadas por un círculo, pero en algunos otros casos pueden estar
representadas por otras formas (cuadrados, rectángulos, óvalos, etc.).

Tareas ficticias:

Representadas por una flecha punteada que indica las limitaciones de las cadenas
de tareas entre ciertas etapas.
Referencia: https://es.ccm.net/contents/582-metodo-pert

PERT - Técnica de Evaluación y Revisión de Proyectos


(Algoritmo)
El algoritmo PERT se desarrolla mediante intervalos probabilísticos, considerando
tiempos optimistas, probables y pesimistas, lo cual lo diferencia del
método CPM que supone tiempos determinísticos.

Regla 1: Cada actividad se debe representar sí y sólo sí, por un ramal o arco.

Regla 2: Cada actividad debe estar identificada por dos nodos distintos. En el caso
de existir actividades concurrentes (que inicien al mismo tiempo, o que el inicio de
una actividad dependa de la finalización de 2 o más actividades distintas) se debe
recurrir a actividades ficticias (representadas por arcos punteados que no consumen
ni tiempo ni recursos) para satisfacer esta regla.

Por ejemplo, la actividad C para su inicio requiere que finalicen A y B. Las


actividades A y B inician al mismo tiempo.
FASES PARA LA PLANIFICACIÓN DE UN PROYECTO CON PERT

Paso 1: ACTIVIDADES DEL PROYECTO

La primera fase corresponde a identificar todas las actividades que intervienen en


el proyecto, sus interrelaciones, sucesiones, reglas de precedencia. Con la inclusión
de cada actividad al proyecto se debe cuestionar respecto a que actividades
preceden a esta, y a cuales siguen inmediatamente esta finalice. Además, deberán
relacionarse los tiempos estimados para el desarrollo de cada actividad.

A diferencia del método CPM, el método PERT asume tres estimaciones de tiempo
por cada actividad, estas estimaciones son:

Tiempo optimista (a): Duración que ocurre cuando el desarrollo de la actividad


transcurre de forma perfecta. En la práctica suele acudirse al tiempo récord de
desarrollo de una actividad, es decir, el mínimo tiempo en que una actividad de esas
características haya sido ejecutada.

Tiempo más probable (m): Duración que ocurre cuando el desarrollo de la


actividad transcurre de forma normal. En la práctica suele tomarse como el tiempo
más frecuente de ejecución de una actividad de iguales características.

Tiempo pesimista (b): Duración que ocurre cuando el desarrollo de la actividad


transcurre de forma deficiente, o cuando se materializan los riesgos de ejecución de
la actividad.
Paso 2: ESTIMAR EL TIEMPO ESTIMADO (DURACIÓN PROMEDIO) Y LA
VARIANZA

Para efectos de determinar la ruta crítica del proyecto se acude al tiempo de


duración promedio, también conocido cómo tiempo estimado. Este tiempo es
determinado a partir de las estimaciones como:

El cálculo del tiempo estimado deberá hacerse entonces para cada actividad. Por
ejemplo para la actividad A:

Además de calcular el tiempo estimado, deberá calcularse la varianza de cada


actividad. El cálculo de esta medida de dispersión se utiliza para determinar la
incertidumbre de que se termine el proyecto de acuerdo al programa. Para efectos
del algoritmo PERT, el cálculo de la varianza se hará a partir de sus estimaciones
tal cómo se muestra a continuación:

El cálculo de la varianza deberá hacerse entonces para cada actividad. Por ejemplo
para la actividad A:

Para las actividades del tabulado mencionado en el Paso 1, los tiempos estimados
y varianzas serían las siguientes:
Paso 3: DIAGRAMA DE RED

Con base en la información obtenida en la fase anterior y haciendo uso de los


conceptos básicos para diagramar una red, obtendremos el gráfico del proyecto (los
tiempos relacionados con cada actividad en el gráfico corresponden a los tiempos
estimados):

Paso 4: CALCULAR LA RED

Para el cálculo de la red se consideran 3 indicadores, T1, T2 y H. Estos indicadores


se calculan en cada evento o nodo (entiéndase nodo entonces como un punto en el
cual se completan actividades y se inician las subsiguientes.

T1: Tiempo más temprano de realización de un evento. Para calcular este indicador
deberá recorrerse la red de izquierda a derecha y considerando lo siguiente:

 T1 del primer nodo es igual a 0.


 T1 del nodo n = T1 del nodo n-1 (nodo anterior) + duración de la actividad
(tiempo estimado) que finaliza en el nodo n.
 Si en un nodo finaliza más de una actividad, se toma el tiempo de la actividad
con mayor valor.
En este caso para el cálculo del T1 en el nodo 8, en el que concurre la finalización
de 2 actividades, deberá considerarse el mayor de los T1 resultantes:

T1 (nodo 6) + G = 13 + 6 = 19
T1 (nodo 7) + H = 8 + 4 = 12

Así entonces, el T1 del nodo 8 será igual a 19 (el mayor valor).

T2: Tiempo más tardío de realización del evento. Para calcular este indicador
deberá recorrerse la red de derecha a izquierda y considerando lo siguiente:

 T2 del primer nodo (de derecha a izquierda) es igual al T1 de este.


 T2 del nodo n = T2 del nodo n-1 (nodo anterior, de derecha a izquierda) -
duración de la actividad que se inicia (tiempo estimado).
 Si en un nodo finaliza más de una actividad, se toma el tiempo de la actividad
con menor valor.
En este caso para el cálculo del T2 del nodo 1, en el que concurren el inicio de
2 actividades deberá entonces considerarse lo siguiente:

T2 nodo 2 - B = 6 - 6 = 0
T2 nodo 3 - C = 9 - 2 = 7

Así entonces, el T2 del nodo 1 será 0, es decir el menor valor.


H: Tiempo de holgura, es decir la diferencia entre T2 y T1. Esta holgura, dada en
unidades de tiempo corresponde al valor en el que la ocurrencia de un evento puede
tardarse.

Los eventos en los cuales la holgura sea igual a 0 corresponden a la ruta crítica, es
decir que la ocurrencia de estos eventos no puede tardarse una sola unidad de
tiempo respecto al cronograma establecido, dado que en el caso en que se tardara
retrasaría la finalización del proyecto.

Las actividades críticas por definición constituyen la ruta más larga que abarca el
proyecto, es decir que la sumatoria de las actividades de una ruta crítica determinará
la duración estimada del proyecto. Puede darse el caso en el que se encuentren
más de una ruta crítica.
Ruta crítica:

Esta ruta se encuentra compuesta por las actividades A, C, E, G, I, J. La duración


del proyecto sería de 22 semanas.

Paso 4: CÁLCULO DE LA VARIANZA, DESVIACIÓN ESTÁNDAR Y


PROBABILIDADES

La varianza y la desviación estándar para la culminación del proyecto se relacionan


con las actividades que comprenden la ruta crítica. Así entonces, para calcular la
varianza basta con sumar las varianzas de las actividades A, C, E, G, I y J:

La desviación estándar corresponde a la raíz cuadrada de la varianza del proyecto,


es decir:
Con la información que acabamos de obtener podemos efectuar cálculos
probabilísticos de terminación del proyecto. Por ejemplo, sí se nos pide hallar la
probabilidad de que el proyecto se culmine antes de 26 semanas, procederíamos
de la siguiente forma y siguiendo la teoría de distribución normal:

Buscando este valor en una tabla de distribución normal encontramos que equivale
a 0,9612, es decir que la probabilidad de culminar el proyecto en 26 semanas o
menos es del 96,12%.

Referencia: https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/pert-tecnica-de-evaluacion-y-revision-de-
proyectos/

Según Parodi (2001), un proyecto consiste en un conjunto de actividades que se


encuentran interrelacionadas y coordinadas; la razón de ser de un proyecto es
alcanzar objetivos específicos dentro de los límites que imponen un presupuesto y
un lapso de tiempo previamente definidos.
Un criterio diferenciador entre los proyectos es, sin duda alguna, su ciclo de vida ya
que aún y cuando las fases por las cuales debe atravesar cada proyecto durante su
existencia sean similares, la duración de las mismas está asociada directamente
con el tipo proyecto; por tanto, la configuración del ciclo de vida entre un proyecto y
otro depende de su propia naturaleza.
El arranque del proyecto se da en el momento en que se da inicio con las actividades
asociadas con él; por su parte, el nivel de esfuerzo se incrementa paulatinamente
para posteriormente descender y desaparecer en el momento en que el proyecto
concluye. Las múltiples actividades que integran a los proyectos tienen
características distintas; sin embargo, deben estar sujetas, al menos, a dos
condiciones: tiempos y costos.
El tiempo se descompone para propósitos analíticos en el tiempo requerido para
completar los componentes del proyecto que es, a su vez, descompuesto en el
tiempo requerido para completar cada tarea que contribuye a la finalización de cada
componente. Cuando se realizan tareas utilizando gestión de proyectos, es
importante partir el trabajo en pedazos menores para que sean fáciles de seguir. El
costo de desarrollar un proyecto depende de múltiples variables incluyendo costos
de mano de obra, costos de materiales, administración de riesgo, infraestructura
(edificios, máquinas, entre otros.), equipo y utilidades. Cuando se contrata a un
consultor independiente para un proyecto, el costo típicamente será determinado
por la tarifa de la empresa consultora multiplicada por un estimado del avance del
proyecto.
La administración de proyectos implica una serie de operaciones que inician una
vez que se ha tomado la decisión de ejecutar el proyecto y que se ha demostrado
su viabilidad técnica y financiera a través de la evaluación del mismo.
Las estimaciones, tanto de tiempo como de costos, son fundamentales para la
elaboración de los programas de trabajo y responsabilidades; la determinación de
la duración y costo del proyecto; los requerimientos de flujos de efectivo; la
definición de rutas críticas de progreso en las fases del proyecto; entre otros.
Frecuentemente, las estimaciones son realizadas a partir de experiencias similares
precedentes, las cuales permiten hacer inferencias relacionadas con los tiempos y
costos requeridos en la ejecución de los proyectos; sin embargo, es necesario
añadir técnicas de estimación que permitan perfeccionar la información histórica.
Según Gray y Larson (2009) el líder del proyecto deberá considerar las siguientes
premisas en los procesos de estimación de recursos, tiempos y costos, a fin de que
las estimaciones sean útiles y contribuyan en el cumplimiento exitoso del proyecto:
a) Responsabilidad. Es importante que se involucre en la estimación a las personas
encargadas de realizar las tareas; de lo contrario, será complicado
responsabilizarlas por el cumplimiento fuera de tiempo de las actividades
asignadas. En este aspecto es importante definir los criterios de selección de las
personas que participarán en la planeación de las actividades, la experiencia en el
desarrollo de las tareas específicas podría ser un parámetro a considerar.
b) Utilización de diversas personas para realizar la estimación. Esto permitirá que
los tiempos y costos estimados tengan mayores probabilidades de asemejarse a los
reales; aunque la participación de un grupo de personas en estas actividades
implica que cada una integrante del equipo anteponga sus prejuicios a partir de sus
propias experiencias; sin embargo, es posible concretar consensos.
c) Condiciones normales. Los supuestos en los que se soporta la estimación de
tiempos y costos para cada actividad del proyecto deben estar directamente
relacionados con las condiciones habituales y cotidianas asociadas con el entorno
del mismo; por ejemplo, si en una empresa se cuenta con una jornada laboral de
ocho horas diarias, entonces el tiempo asignado a cada tarea deberá considerar
esa condición; también debe considerarse la cantidad de recursos, financieros,
humanos y materiales a con los cuales podrá contar la organización.
d) Unidades de tiempo. Es importante que las estimaciones consideren unidades de
tiempo estándar; por ejemplo, semanas, días hábiles, horas, minutos.
e) Independencia. El grupo de personas encargadas de hacer las estimaciones
deben considerar a cada tarea como independiente. Esto permite asegurar que el
total de tiempo y costos asignados a una actividad serán exclusivos para ésta y no
para otras. De esta manera se garantiza el control y supervisión del desarrollo de
cada una de las tareas.
f) Contingencias. Las estimaciones deben asumir condiciones normales; por lo que
los dueños del proyecto deberán crear un fondo para cualquier contingencia que
pudiera presentarse.
g) Identificación de riesgos. Es de gran utilidad la identificación de riesgos en cada
una de las actividades que conforman el proyecto; esto permitirá implementar
mecanismos de medición y control para cada uno de los riesgos que pudieran
presentarse. La administración de los riesgos del proyecto debe iniciar desde la
planeación del mismo.
Estimación de tiempos y costos
Existen distintos tipos de métodos que permiten estimar tiempos en la
administración de un proyecto. Es imprescindible considerar: la duración total del
proyecto, fecha de inicio y fin de cada una de las actividades, así como el
conocimiento que tendrá el atraso o desfase en la realización de las tareas
individuales que forman parte del proyecto.
Los atrasos en las actividades individuales del proyecto tienen incidencias directas
en los costos presupuestados.
Método PERT (Program Evaluation and Review Technique)
Es un método que se creó en 1957 y permite: fijar objetivos, buscar y organizar los
medios necesarios para alcanzar los objetivos previamente fijados y, controlar la
concordancia existente entre el plan fijado y lo que se está realizando.
Este método es similar al procedimiento conocido como ruta crítica; sólo que el
primero asume que la duración de cada actividad sigue una distribución estadística.
La aplicación del PERT es sumamente amplia ya que puede ser utilizado en la
administración de cualquier tipo de proyecto. Se plantan tres principios básicos que
son necesarios para construir los diagramas a través de los cuales se representan
las actividades del proyecto:
a) Principio de designación sucesiva. Se nombra a los vértices según los números
naturales, de manera que no se les asigna número hasta que han sido nombrados
todos aquellos de los que parten aristas que van a parar a ellos.
b) Principio de unicidad del estado inicial y el final. Se prohíbe la existencia de más
de un vértice inicial o final. Sólo existe una situación de inicio y otra de terminación
del proyecto.
c) Principio de designación unívoca.
No pueden existir dos aristas que tengan los mismos nodos de origen y de destino.
Normalmente, se nombran las actividades mediante el par de vértices que unen. Si
no se respetara este principio, puede que dos aristas recibieran la misma
denominación.
La distribución beta es utilizada en este método ya que permite aproximar la
duración de las actividades; esta distribución permite incorporar datos que no se
distribuyen normalmente y, además, el tiempo atribuible a cada actividad puede
acomodarse hacia alguno de los extremos en función de la existencia, o no, de algún
atraso en la actividad. Se plantea que la duración del proyecto sigue una distribución
normal.
Se utiliza el siguiente planteamiento.
te = (a+4m+b)/6
donde:
te= tiempo valorado de actividad promedio.
a = tiempo optimista de la actividad (probabilidad de 1 en 100 de terminar antes la
actividad en condiciones normales).
b = tiempo pesimista de la actividad (probabilidad de 1 en 100 de terminar después
la actividad en condiciones).
m = tiempo más probable de la actividad.
Es necesario calcular la variabilidad de tiempos para las actividades y para el
proyecto en su conjunto; para este efecto, se tiene:

En el caso de los tiempos asociados con la duración total del proyecto se emplean
valores relacionados con la distribución normal; estos valores “Z” que constituyen el
número de desviaciones estándar de la media deben ser calculados y luego
localizados en las tablas que muestran los valores de la distribución normal a fin de
determinar la probabilidad de que el proyecto pueda concluirse en el tiempo
planeado.
TE = duración de la ruta crítica.
TS = duración programada del proyecto.
Z = probabilidad que debe ser localizada en la tabla que muestra los valores de la
distribución normal.
Diagrama de GANTT
Es un esquema que incorpora, fundamentalmente, dos variables: actividades y
tiempos. El diagrama de GANTT puede ser utilizado para representar gráficamente
las actividades de un proyecto, planeación de las actividades, determinación de la
ruta crítica, asignación de recursos, supervisión del progreso de las actividades.
El procedimiento para generar un diagrama de GANTT implica lo siguiente.
a) Enlistar el total de actividades que integran al proyecto y ordenarlas en función
del momento en que habrán de ser desarrolladas.
b) Estimar el tiempo necesario para el desarrollo de cada una de las actividades así
como los recursos vayan a ser requeridos para tal efecto (financieros, humanos,
tecnológicos, materiales, entre otros).
c) Por último, es necesario construir el esquema considerando la inclusión de barras
horizontales (una por cada actividad incluye el tiempo necesario para realizarla).
No obstante, las bondades del diagrama de GANTT, se tienen ciertas limitaciones
como la dificultad de representar gráficamente el cien por ciento de las actividades
involucradas en un proyecto sumamente complejo, entre otras. Existen diferentes
sistemas electrónicos que permiten elaborar estos diagramas de una forma rápida
y sencilla.
Tipos de costos
Las categorías de costos más comunes que deben ser identificados en los
proyectos, son:
• Costos directos. Pueden identificarse fácilmente con el producto, servicio, proceso
o departamento; por ejemplo, la mano de obra, los materiales, el equipo, entre otros.
Estos son destinados completamente al desarrollo de cada actividad en específico,
por tanto, el proyecto deberá generar flujos de efectivo suficientes para cubrirlos
eventualmente.
• Costos indirectos. No pueden identificarse o cuantificarse plenamente con una
actividad en específico. Sin embargo, también constituyen salidas de efectivo; por
tanto, la organización o dueño del proyecto deberá considerarlos.
• Costos indirectos de administración y generales. Son los costos de la organización
que no están asociados directamente con algún proyecto en particular. Están
presentes durante toda la vida del proyecto; por ejemplo los costos de organización
para todos los proyectos y productos, como publicidad, contabilidad y alta
administración, los cuales se ubican por encima del nivel del proyecto. • Costos
semivariables. Son aquellos que tienen un componente fijo y un elemento variable,
sufren alteraciones importantes cuando se presentan determinados cambios en el
volumen de producción o venta.
En cuanto a la estimación de costos, existe una amplia variedad de métodos que
permite realizar esa actividad. Cada procedimiento posee ciertas ventajas y
desventajas con respecto al resto; algunos poseen un amplio soporte estadístico y
matemático, mientras que otros se orientan en estudios técnicos o de ingeniería.
Por lo anterior, resulta conveniente utilizar más de un método a fin de aproximar las
estimaciones lo más que se pueda a la realidad.
A continuación, se describen algunos métodos para la estimación de costos:
* Método de estimaciones de ingeniería industrial. Es también conocido como
método de medición del trabajo; considera la relación entre los insumos y los
productos en términos físicos. Por tanto, es muy útil cuando existe una relación
física entre insumos y productos.
* Método de distribución. Se utiliza cuando los proyectos siguen de cerca proyectos
previos y similares en ciertos aspectos y costos; por tanto, es un método útil cuando
se trata de proyectos en serie o muy similares en los que los datos históricos
permiten inferir o asumir comportamientos futuros.
* Método de consenso. Estima las funciones de costos considerando el análisis y
opiniones acerca de los costos y sus causales recopilados en los diferentes
departamentos de una empresa. Por su naturaleza es un método ágil, sin embargo,
debe tenerse precaución a fin de no permitir subjetividades en las opiniones que
emiten las personas involucradas en cada área.
* Método de análisis de cuentas. Clasifica las cuentas de costos como variables,
fijas o mixtas con respecto a las actividades identificadas; el método de consenso
puede complementar al método de análisis de cuentas, incrementando la
confiabilidad de las estimaciones.
* Método de análisis cuantitativo. Es un método matemático; usualmente se utilizan
el análisis de regresión simple y el método máximo – mínimo. En el primer caso, se
debe identificar las variables, dependiente e independiente, así como establecer el
período de tiempo histórico para la recolección de datos; finalmente se debe graficar
y obtener la función de costos; la función de costos se obtiene a través del método
de mínimos cuadrados, el cual se basa en la ecuación de la línea recta (y=a+bx)
donde y representa los costos, a es el parte fija, b es la parte variable y x es el
volumen o cantidad de unidades producidas; este método es más útil cuando las
observaciones, o datos, presentan una variación uniforme de desviaciones a lo largo
de la línea de tendencia o promedio. Si el costo es fijo, el coeficiente de la pendiente
b es de cero, si el costo es variable, la intersección a es igual a cero en la función
de costos, y cuando se trata de costos que incorporaran componentes fijos y
variables, los coeficientes (tanto del intercepto como de la pendiente de la recta)
asumen valores positivos. En el segundo caso, se trata de un método simple, dado
que utiliza únicamente los valores observados más altos o más bajos de la causante
del costo dentro de un rango establecido.
El objetivo principal, en términos financieros, de cualquier proyecto es maximizar los
flujos de efectivo futuros traídos a tiempo presente o, alternativamente, obtener un
valor presente neto lo más elevado posible. Para conseguir esto, los flujos de
efectivo que genere el proyecto deben ser positivos, lo que necesariamente implica
mayores entradas que salidas de efectivo; si las salidas de efectivo están asociadas
con los costos entonces el análisis de costos es un aspecto relevante imprescindible
en la planeación, tanto del proyecto en lo general como en cada una de las tareas
o actividades que lo conforman.
Recursos tecnológicos para la administración de proyectos
En la medida en que se han modificado los paradigmas respecto a la importancia
de la administración de proyectos también se han planteado soluciones cada vez
más eficientes, precisas y oportunas. Sin duda, la tecnología provee de soporte a
algunas fases de la administración de proyectos, que en la actualidad parecería
imposible realizarlas sin el apoyo de herramientas computacionales; tal es el caso
de la estimación de tiempos y costos.
La tecnología permite desarrollar actividades relevantes como:
• Coordinar equipos de trabajo a distancia.
• Disminuir costos (optimización de recursos).
• Perfeccionar los mecanismos de control.
• Reducir tiempos de espera.
• Entre otros. Las herramientas tecnológicas permiten automatizar procesos a fin de
facilitar la administración de los proyectos.
5.4. Nivelación de recursos.
La dificultad de las empresas para conseguir adecuar sus disponibilidades de
recursos a las fluctuaciones de los distintos proyectos cuya ejecución acometen,
convierte la limitación de recursos en el problema más capital de la programación
de proyectos. Se presenta, a menudo, la imposibilidad de afrontar el comienzo de
una actividad crítica debido a que los especialistas, los equipos o los medios
financieros previstos como disponibles, no lo están. Esto provoca, en definitiva, el
retraso en la fecha de terminación del proyecto.

La búsqueda de una programación óptima en un proyecto, cuando existen recursos


limitados, no resulta muy complicada en el caso de redes simples y con reducido
número de tareas; pero, a medida que las redes se hacen más complejas, el
problema se toma más difícil.

La estimación de la duración, en cada una de las tareas de un proyecto, se debe


hacer teniendo en cuenta la cantidad y la naturaleza del recurso o recursos
necesarios para su ejecución.

Los recursos pueden ser muy variados. Así, tenemos: materias primas de distintas
clases, mano de obra de diversas especialidades, equipos, dinero, espacio y
cualesquiera otros medios.Generalmente, el conjunto de actividades de un proyecto
reclama distintas clases de recursos. De éstos, uno o varios desempeñan un
carácter principal, lo que obliga a establecer sobre ellos un alto grado de
planificación y control, en parangón con aquellos otros que se pueden conseguir
con gran facilidad y reducido coste.Para su ejecución, en un momento dado, cada
tarea consume una cantidad determinada de recursos.

Los problemas de nivelación de recursos se plantean cuando, disponiendo de los


medios necesarios, se desea que los recursos reclamados durante el tiempo de
ejecución del proyecto —restricción a considerar— se mantengan a un nivel de
carga uniforme. Al igual que sucede con la curva de intensidad en las actividades,
también aquí podemos exceptuar un período inicial de empleo progresivo de
recursos y un período final de utilización decreciente.

En los problemas de nivelación, equilibrado o alisado de recursos, la carga debe


aproximarse tanto como sea posible, por exceso o por defecto, al nivel fijado de
disponibilidades.

Resolución por el algoritmo de Burgess-Killebrew.

Los norteamericanos A. R. Burgess y J. B. Killebrew dan un enfoque sistemático al


problema de nivelación. En (A. R. BURGESS and J. B. KILLEBREW: Variation in
ActivityLevelon a cyclic Arrow Diagram, "Journalof Industrial Engineering", vol. 13,
núm. 2, March- April, 1S>62.) presentan un método en serie cuyas bases condensa
J. F. Boss en el siguiente postulado: "La eficacia en la asignación de un recurso
determinado, en función de una distribución ideal, varía en sentido inverso a la suma
—obtenida en cada unidad de tiempo, del principio al fin del proyecto— de los
cuadrados de las diferencias entre las cargas totales que corresponden a las dos
asignaciones."

Partiendo de un proyecto con tareas programadas a una intensidad constante, el


algoritmo de Burgess-Killebrew intenta establecer una curva de carga tan uniforme
como sea posible. Para ello, y dado que la carga media no varía por el hecho de
que una tarea se haya adelantado- o retrasado, es preciso minimizar la variancia de
la carga. Esto se consigue minimizando la suma total de los cuadrados de las cargas
de cada período de tiempo.

Cómo llevar a cabo la nivelación de recursos.

1. Desarrollo de la estructura de desglose de trabajo: hay que comenzar por lo


general y terminar por lo más específico. La dirección a seguir partiría de las
etapas del proyecto para concluir en el detalle de los entregables. De cada nivel
habrá que establecer la programación correspondiente, coste estimado y medios
de monitorización y control.
2. Establecimiento de dependencias: hay que definirlas de forma que el trabajo
se ejecute en el orden correcto y teniendo en cuenta que su origen puede ser
variado. Las más frecuentes son las lógicas, que tiene que ver con el tipo de
trabajo a realizar; las discrecionales, que reflejan las preferencias de la gestión a
la hora de establecerlas; y, por último, las que provienen de agentes externos al
proyecto. Sobre cada una de ellas hay que tratar de adquirir la visión más
completa posible, puesto que, de otra forma, las decisiones que se tomen podrían
afectar a los plazos al crear restricciones innecesarias.
3. Asignación de recursos: en este ámbito la asignación se refiere
fundamentalmente a los de tipo humano y es cave para el siguiente paso,
la nivelación de recursos. Se trata de designar responsabilidades que, en una
primera fase de planificación, vendrán determinadas por roles. A medida que se
vaya contando con más datos, cada uno de estos roles o perfiles se podrá
identificar con una persona concreta, la responsable de la ejecución o supervisión
de una tarea específica. La actualización y el consenso son fundamentales para
evitar errores y/o malentendidos que puedan afectar al normal curso del proyecto.
4. Nivelación de recursos: la idea clave es buscar la coherencia. Su función
principal es evitar retrasos y para lograrlo hay que identificar los tiempos no
utilizados mediante el análisis de dependencias entre tareas. De esta forma se
puede adquirir una ventaja importante que siempre estará en función de la
precisión con que se haya elaborado el cronograma de actividades, los tipos de
tareas, sus dependencias y limitaciones, y la capacidad de actualización de la
información. En el momento de aplicar la nivelación de recursos, si aparecen
conflictos en la disponibilidad se puede optar por retrasar ciertas tareas, cambiar
sus dependencias con respecto a otra, si es posible; o asignar un recurso
diferente.
5. Determinar la ruta crítica: la ruta crítica de un proyecto es la trayectoria más
larga duración a través de un diagrama de red y el camino más corto para
completar el proyecto. Las actividades que se encuentran incluidas en este grupo
deben ser controladas con lupa por parte del Project Manager y siempre habrá de
dárseles prioridad a la hora de aplicar la nivelación de recursos.

Desarrollo del método.

Se comienza por elaborar el instrumento convencional de representación del


proyecto: el grafo. A continuación, se establecen los calendarios de comienzo de
actividades en sus fechas más tempranas o más tardías, en forma de diagramas de
Gantt. Para ello, se parte de un listado en el cual se relacionan las tareas del
proyecto, siguiendo un criterio determinado en el orden de precedencias.

En el caso de que el calendario de partida se haya establecido a base de programar


la ejecución de las actividades en sus fechas de comienzo más temprano, el
algoritmo1 sigue los siguientes pasos:

1. Comenzar por el final del listado de tareas y tomar la primera actividad que posea
margen disponible. Esta tarea se desplaza hacia la derecha, unidad por unidad de
tiempo, determinando, cada vez, el efecto obtenido en la suma de cuadrados de
carga.

2. Determinar, de todas las posiciones posibles de la tarea estudiada, aquella que,


sin rebasar el margen disponible, totalice el valor más bajo en la suma de los
cuadrados de carga. A valores iguales, se tomará aquél que sitúe la tarea lo más a
la derecha posible. Corregir las "fechas límite" de terminación de las tareas
precedentes a la examinada que hayan sido afectadas por el cambio. Esto será
facilitado por el orden elegido al situar las actividades en el gráfico de Gantt.

3. Habiendo así encontrado para esta primera tarea una posición óptima,
remontando la lista se pasa a la tarea más inmediata que disponga de margen. Esta
tarea se somete a un tratamiento semejante al descrito para su antecesora, es decir,
se desplaza hacia la derecha hasta el límite permitido por su margen, de forma que
su ajuste represente una carga mínima. El proceso descrito se sigue con las demás
tareas hasta llegar a la primera de la lista. De esta forma es imposible llegar a una
tarea sin haber examinado previamente todas las que le siguen. El criterio de
desplazar lo más a la derecha posible las tareas pretende dejar el mayor margen
posible para su ajuste a las tareas precedentes.

4. Cuando se acaba el ciclo de cálculos se vuelve a comenzar de nuevo el proceso.


Para ello se puede comenzar por el principio o por el final de la lista. Se finalizará
cuando, tras un ciclo, ya no sea posible disminuir el valor del último criterio y se
haya alcanzado un alisado satisfactorio.
Dado que el algoritmo es heurístico, resulta imposible saber si se ha logrado un
alisado óptimo, a no ser que se haya alcanzado una nivelación uniforme. Por otra
parte, es necesario tener en cuenta que el nivel de disponibilidades no debe ser
rebasado. Si lo fuera, será preciso probar otras colocaciones, partiendo de distintas
secuencias de actividades al comenzar el proceso1 iterativo. Se pueden obtener
distintos resultados partiendo de un gran número de ordenaciones de tareas.

El algoritmo de Burgess-Killebrew es muy sencillo. Para redes reducidas puede ser


aplicado a mano o utilizando calculadoras convencionales de oficina. Sin embargo,
para los problemas complejos se impone necesariamente el empleo de un
ordenador electrónico. Esto no es un problema difícil, ya que Burgess y Killebrew
han elaborado el programa de ordenador para su algoritmo.

Fundamentalmente el algoritmo es aplicable para el caso de un solo recurso; pero


también podría ser empleado para varios. El inconveniente estriba en que el alisado
de un recurso suele destruir, frecuentemente, el alisado de otro. De cualquier forma,
el principio general de aplicación del algoritmo es estudiar por orden prioritario, si
se puede establecer, el nivelado de los distintos recursos. También puede que sea
posible establecer algún otro tipo de relación entre el recurso principal y los demás,
en cuyo caso el alisado se intenta para bloques de recursos, cual si se tratara de
uno solo.

Ejemplo:
En la siguiente tabla se muestran distintas tareas a realizarse en determinados
periodos de tiempo, para lo cual cuentan con un determinado periodo de inicio y de
término. Supondremos, para simplificar, que cada una de las tareas del programa
precisa para su ejecución una sola unidad técnica de un mismo recurso (un solo
obrero y de una misma especialidad, por ejemplo).

Con esta información se construye un diagrama de red, como el de la siguiente


figura:
Con los datos de la tabla anterior se confecciona un gráfico de barras o de Gantt.
Se emplea para ello una escala horizontal representativa del tiempo y una barra de
longitud conveniente para cada tarea.
El ordenar los datos en un diagrama como el anterior nos permite determinar
rápidamente la fecha más temprana de comienzo de una actividad determinada.
También el plazo mínimo de terminación del trabajo, suponiendo que no existan
limitaciones relativas a la carga por intervalo de tiempo.

La carga total de recursos del proyecto se eleva a 46. La carga media se calculará
dividiendo este valor por el número de unidades de tiempo. Obtendremos así el
valor 46 : 23 = 2.

Vamos a tratar de reducir el valor 104, correspondiente a la suma de los cuadrados


de las cargas diarias, a su valor "ideal" de carga uniforme: 2 2 x 23 = 92. Dado que
el algoritmo de Burgess-Killebrew es heurístico, puede ocurrir que no se llegue a
este valor de carga uniforme. Veamos los resultados que alcanzamos en el proceso
de cálculo.

En primer lugar, comenzaremos por desplazar, unidad por unidad, la tarea F. Se


trata de la primera en la lista, comenzando por abajo, con margen disponible.

El primer desplazamiento convierte la carga inicial del proyecto en la siguiente:

2-2-2-2-2-2-2-2-2-2-2-3-3-3-3-3-3-1-1-1-1-1-1

La suma de los cuadrados de carga diaria se eleva a 102. Resulta, por tanto,
ventajoso este desplazamiento. Siguiendo el procedimiento, podemos comprobar
cómo del valor 102 pasamos al valor 100, del valor 100 al 98, de 98 a 96, de 96 a
94 y, por último, del valor 94 al valor 92, para el cual la distribución de carga es la
siguiente:
2-2-2-2-2-2-2-2-2-2-2-2-2-2-2-2-2-2-2-2-2-2-2

Al primer intento hemos alcanzado el alisado óptimo; pero, de no haber sido así,
habríamos de pasar a realizar cálculos con las actividades “G”, tal vez “D” —si
fueran desplazadas “F” y “G”—, “C” y, posiblemente, “A”, aunque intuitivamente, en
este caso, claramente se ve que con el desplazamiento de “F”, o bien “G”, a lo largo
de 6 unidades de tiempo, habríamos alcanzado un alisado perfecto.

La figura siguiente presenta el gráfico de Gantt correspondiente al alisadoóptimo.

Puede suceder que los planificadores no queden satisfechos del alisado conseguido
partiendo de un programa con tareas dispuestas para su comienzo más temprano.
No hay que olvidar, como indican sus creadores, que el algoritmo puede generar
resultados distintos para un mismo programa. Es suficiente, para ello, partir de
distintos planeamientos al comenzar la operatoria.

Bibliografía Consultada:

 Ortigueira,M.. (Sin año). La programación de proyectos con recursos


limitados. Noviembre 01, 2018, de Facultad de Ciencias Económicas de
Málaga Sitio web: https://dialnet.unirioja.es/descarga/articulo/2494712.pdf

 https://www.obs-edu.com/int/blog-project-management/herramientas-
esenciales-de-un-project-manager/nivelacion-de-recursos

 https://www.ibm.com/support/knowledgecenter/es/SSG2D3_7.6.0.1/com.ib
m.mbs.doc/scheduler/c_sched_opt_models.html
6.1 El proceso de simulación: concepto, elementos y fases.

Concepto.
Introducción a la simulación.

Introducción.
Cuando alguien tiene la responsabilidad de conducir un sistema dado, como, por
ejemplo: un banco, una ciudad, un sistema de transporte, etc., debe tomar
continuamente decisiones acerca de las acciones que ejecutará sobre el sistema.
Estas decisiones deben ser tales que la conducta resultante del sistema satisfaga
de la mejor manera posible los objetivos planteados.

Para poder decidir correctamente es necesario saber cómo responderá el sistema


ante una determinada acción. Esto podría hacerse por experimentación con el
sistema mismo; pero factores de costos, seguridad y otros hacen que esta opción
generalmente no sea viable. A fin de superar estos inconvenientes, se reemplaza el
sistema real por otro sistema que en la mayoría de los casos es una versión
simplificada. Este último sistema es el modelo a utilizar para llevar a cabo las
experiencias necesarias sin los inconvenientes planteados anteriormente. Al
proceso de experimentar con un modelo se denomina simulación.

Aplicaciones de la simulación.
La simulación es conveniente cuando:
· No existe una formulación matemática analíticamente resoluble. Muchos sistemas
reales no pueden ser modelados matemáticamente con las herramientas
actualmente disponibles, por ejemplo, la conducta de un cliente de un banco.
· Existe una formulación matemática, pero es difícil obtener una solución analítica.
Los modelos matemáticos utilizados para modelar un reactor nuclear o una planta
química son imposibles de resolver en forma analítica sin realizar serias
simplificaciones.
· No existe el sistema real. Es problema del ingeniero que tiene que diseñar un
sistema nuevo. El diseño del sistema mejorará notablemente si se cuenta con un
modelo adecuado para realizar experimentos.

Entre las posibles desventajas de la simulación se pueden citar:


· El desarrollo de un modelo puede ser costoso, laborioso y lento.
· Existe la posibilidad de cometer errores. No se debe olvidar que la experimentación
se lleva a cabo con un modelo y no con el sistema real; entonces, si el modelo está
mal o se cometen errores en su manejo, los resultados también serán incorrectos.
· No se puede conocer el grado de imprecisión de los resultados. Por lo general el
modelo se utiliza para experimentar situaciones nunca planteadas en el sistema
real, por lo tanto no existe información previa para estimar el grado de
correspondencia entre la respuesta del modelo y la del sistema real.

Tipos de simulación.
· Identidad: Es cuando el modelo es una réplica exacta del sistema en estudio. Es
la que utilizan las empresas automotrices cuando realizan ensayos de choques de
automóviles utilizando unidades reales (Imagen 1).
(Imagen 1 ejemplo de una simulación identidad)

· Cuasi-identidad: Se utiliza una versión ligeramente simplificada del sistema real.


Por ejemplo, los entrenamientos militares que incluyen movilización de equipos y
tropas pero no se lleva a cabo una batalla real. (Imagen 2)

(Imagen 2, ejemplo de una simulación causi- identidad)

· Laboratorio: Se utilizan modelos bajo las condiciones controladas de un


laboratorio. Se pueden distinguir dos tipos de simulaciones:
Juego operacional: Personas compiten entre ellas, ellas forman parte del modelo,
la otra parte consiste en computadoras, maquinaria, etc. Es el caso de una
simulación de negocios donde las computadoras se limitan a recolectar la
información generada por cada participante y a presentarla en forma ordenada a
cada uno de ellos.
Hombre-Máquina: Se estudia la relación entre las personas y la máquina. Las
personas también forman parte del modelo. La computadora no se limita a
recolectar información, sino que también la genera. Un ejemplo de este tipo de
simulación es el simulador de vuelo. (Imagen 3)

Simulación por computadora.


El modelo es completamente simbólico y está implementado en un lenguaje
computacional. Las personas quedan excluidas del modelo. Un ejemplo es el
simulador de un sistema de redes de comunicación donde la conducta de los
usuarios está modelada en forma estadística. Este tipo de simulación a su vez
puede ser:
· Digital: Cuando se utiliza una computadora digital.
· Analógica: Cuando se utiliza una computadora analógica. En este grupo también
se pueden incluir las simulaciones que utilizan modelos físicos.

Elementos
· Entidades: Son los objetos que fluyen a través del sistema, podrían ser: clientes,
productos, cajas, camiones, entre otros.
· Atributos: Son las diferentes características que definen una entidad: tipo, edad,
género, volumen, tiempo de inicio de un proceso.
· Variables: Son aquellas que definen al modelo y sus estados como un conjunto:
número de entidades en un proceso, número de entidades entrantes, número de
entidades salientes, costo de proceso unitario.
· Reloj de simulación: Variable que lleva el control de tiempo virtual de simulación,
no se debe confundir con el tiempo real de ejecución, es decir mientras que en mi
reloj de mano pasaron 5 minutos desde que se ejecutó la simulación, en el modelo
el reloj de simulación podría haber avanzado días, meses o inclusive años.
· Eventos: Diferentes tipos de acontecimientos que ocurren a través de la
simulación, que hacen que el reloj de simulación avance, tales como: llegada de un
paciente, daño de una máquina, inicio de operación de un trabajador, finalización
de un proceso de fabricación.
· Recursos: Objetos a los que se les asocia algún tipo de gasto o de consumo de
los mismos para realización de tareas de operación o transporte: operarios,
montacargas, maquinas, bandas de transporte.

Fases
· Definición del sistema: Se necesita hacer un análisis preliminar para determinar
la interacción del sistema con otros sistemas, las restricciones del sistema, las
variables que se van a utilizar, y sus interrelaciones y los resultados que se desean
obtener.
· Formulación del modelo: Para esta fase se necesita primero de una
cuantificación de parámetros de las variables. El proceso inicia con la recolección
de datos que se conoce como datos en bruto y con esto se determina el tipo de
modelo a utilizar.
· Preparación de datos: obtener la entradas y las salidas, relaciones cuantitativas
y cualitativas. Los datos deben ser tratados para que se puedan realizar
predicciones del comportamiento del sistema. Si nos quedamos con los datos como
los obtenemos del sistema real, podemos caer en la simulación de la simulación del
pasado
· Traslación del modelo: con el modelo definido el siguiente paso es decir si utiliza
algún lenguaje como el FROTAN, ALGOL, LIPS, etc., o se utiliza algún simulador
para procesarlo en la computadora y obtener resultados deseados
· Validación: A través de esta etapa es posible detallar deficiencias en la
formulación del modelo o en los datos alimentados al modelo. Las formas más
comunes de validar un modelo:
 La opinión de expertos sobre los resultados de la simulación
 La exactitud con la que se predicen los datos
 La exactitud en la predicción del futuro
· Planeación estratégica: Significa decir que variables modificar, en cuanto
hacerlo, como evaluar las salidas, etc. De acuerdo al problema a resolver
· Planeación táctica: Implica la pregunta ¿cómo realizar las corridas necesarias de
acuerdo a lo planificado en la estrategia? Debe definirse en este punto que es una
muestra. ¿Una corrida? ¿Una parte? También debe definirse en qué momento
puede comenzar a tomarse datos
· Experimentación: Se realiza después de que este ha sido validado. La
experimentación consiste en generar los datos deseados y realizar un análisis de
sensibilidad en los índices requeridos
· Interpretación: Se interpretan los resultados que arrojan la simulación y en base
a esto se toma una decisión
· Documentación: Dos tipos de documentación son requeridos para hacer un mejor
uso del modelo de simulación, la primera se requiere a la documentación del tipo
técnico, es decir, la documentación que el departamento de procesamiento de datos
debe tener de modelo. La segunda se refiere al manual de usuario, con el cual se
facilita la interacción y el uso del modelo desarrollado

Ejercicios
Simulación de Montecarlo
La simulación de Monte Carlo es un método que emplea números aleatorios
uniformemente distribuidos que es utilizado para resolver problemas donde la
evolución con el tiempo no es de importancia. A continuación, se analizará un
ejemplo para comparar una solución analítica con una solución obtenida por
simulación.

Determinación del área de una figura


Cuando se desea calcular el área de un círculo de radio r = 10 cm no existen
mayores problemas, ya que tanto el área a como su perímetro p pueden evaluarse
analíticamente con las siguientes fórmulas:
2 a =p r
p = 2p r
En este caso la solución es a = 314.16 cm2 y p = 62.83 cm.
Sin embargo, cuando se desea determinar el área de una forma irregular, por
ejemplo la superficie plana de Argentina, el problema debe necesariamente ser
resuelto con un método numérico; es decir, simulación. La determinación del área
del círculo utilizando la simulación de Monte Carlo implica la siguiente secuencia:
1. Crear un cuadrado de lado 2.r que encierre al círculo (Imagen 3).
2. Colocar n puntos al azar dentro del cuadrado.
3. Asignar a c el número de puntos que quedaron dentro del círculo.
4. Como la probabilidad de colocar un punto dentro del círculo es igual al cociente
del área del círculo dividida el área del cuadrado, el área del círculo se puede
estimar en función del área del cuadrado (fácilmente calculable) con:
acirculo= (c/n) (acuadrado)= (c/n)(4r^2)

(Imagen 3)
Es importante notar que para un dado n, el resultado será distinto cada vez que se
realice la simulación. Es decir, que el resultado será un número aleatorio. A medida
que n aumente, la varianza del resultado disminuirá y el valor medio se aproximará
a la solución analítica. Para un n = 100, el resultado de una simulación es 320 cm2;
mientras que para n = 10000, un resultado es 313 cm2.

Variables discretas y continuas.


Una persona viaje de una ciudad A a una cuidad B
Duración uniforme de parámetros: (4,6)
Simulador de la variable aleatoria: 4+ (6-4) R
Probabilidad de que no viaje: 0.15
Probabilidad de que viaje: 0.85
P(X) P(X)
0.15 0.15
0.85 1
Días: llegada y salida.
Aleatorio: número elegido aleatoriamente.
Viaja (si/no): si el número aleatorio es mayor a 0.85 viaja si es meno no.
Aleatorio: número elegido aleatoriamente solo si viaja.
Duración: 4+ (6+4) número aleatorio
Calcula: si viaja se pone 1 para al finar sumar el número de viajes

6.2 Las técnicas Montecarlo.


¿Qué es el método Montecarlo?

• El método Montecarlo es un método numérico que permite resolver


problemas físicos y matemáticos mediante la simulación de variables
aleatorias.
• El método Montecarlo fue bautizado así por su clara analogía con los juegos
de ruleta de los casinos, el más célebre de los cuales es el de Montecarlo.
• Formalmente un cálculo MC no es otra cosa que una integración. En general,
para integrales unidimensionales pueden usarse otros métodos numéricos
más optimizados. El método MC es, sin embargo muy útil para integraciones
multidimensionales.

Importancia.

• Se basa en la existencia de problemas que tienen difícil solución por métodos


exclusivamente analíticos o numéricos, pero que dependen de factores
aleatorios o se pueden asociar a un modelo probabilística artificial.
• El error ~ 1/√N, donde N es el número de pruebas y, por tanto, ganar una
cifra decimal en la precisión implica aumentar N en 100 veces.
• La base es la generación de números aleatorios, Conseguir un buen
generador de estos números así como un conjunto estadístico adecuado
sobre el que trabajar son las primeras dificultades con la nos vamos a
encontrar a la hora de utilizar este método.
• No se emplea en proyectos pequeños debido a su complejidad y se realiza
mediante computadora.

¿Cómo realizamos el método de Montecarlo?

• En cualquier proyecto hay dos elementos que tienen un comportamiento no


determinista:
• Las tareas. Las cuales tienen un valor medio y una variabilidad de acuerdo a
una distribución estadística, que permite relacionar un determinado valor de
plazo o coste a un porcentaje de representatividad.
• Los riesgos; sujetos a una probabilidad de ocurrencia y a un impacto. Si
tenemos un riesgo con una probabilidad de ocurrencia del 15%, y un impacto
de 1000€ y 1 día, diremos que el 15% de las veces que se ejecute el proyecto,
este va a durar un día más y costar 1000€ más, el 85% de las veces restantes
no.
• Es posible calcular un valor determinado para cada tarea o riesgo mediante
la generación de múltiples números aleatorios de 0 a 100, asemejando el
número aleatorio al porcentaje de representatividad del valor de la tarea o a
la probabilidad de ocurrencia del riesgo. Al final, esto permite calcular una
duración o coste total del proyecto para cada valor aleatorio.
• Si repetimos este cálculo un número suficientemente alto de veces (sobre
1000 puede ser correcto) los cuales pueden representarse en un gráfico
mostrando el número de veces que ha aparecido un determinado valor de
plazo o coste. A partir de este grafico podemos determinar el porcentaje de
las veces que este va a cumplir una determinada restricción.
• A partir de aquí se determina si una planificación es factible o no, para ello
debemos mirar si el porcentaje de veces que se cumple la restricción es
superior o inferior al margen de confianza
• Si es inferior significa que la planificación no es factible, y que por tanto
deberemos modificar esta hasta conseguir que lo sea, o acabar
determinando que el proyecto no es posible con las restricciones impuestas.

Generación de números aleatorios.


Existen numerosos algoritmos de generación de números (pseudo) aleatorios. En
particular, las diferentes variantes de RANLUX, disponibles en todas las bibliotecas
matemáticas modernas.

Software de simulación.

• Actualmente existen diferentes programas comerciales que permiten aplicar


el método de Montecarlo, bien de forma independiente, o partiendo de la
planificación realizada en Microsoft Project o Oracle Primavera.
• Obviamente lo más recomendable en proyectos grandes es poder integrar
este análisis en la herramienta de gestión de proyectos que estemos
utilizado, lo que facilita el trabajo y evita errores al tener de pasar información
de una plataforma a otra.

6.3 Aplicaciones de la simulación en problemas de líneas de espera e


inventarios.

Problemas de Línea de Espera.

Una línea de espera es el efecto resultante en un sistema cuando la demanda de


un servicio supera la capacidad de proporcionar dicho servicio. Este sistema está
formado por un conjunto de entidades en paralelo que proporcionan un servicio a
las transacciones que aleatoriamente entran al sistema. Dependiendo del sistema
que se trate, las entidades pueden ser cajeras, máquinas, semáforos, grúas,
etcétera, mientras que las transacciones pueden ser: clientes, piezas, autos, barcos,
etcétera. Tanto el tiempo de servicio como las entradas al sistema son fenómenos
que generalmente tienen asociadas fuentes de variación que se encuentran fuera
del control del tomador de decisiones, de tal forma que se hace necesaria la
utilización de modelos estocásticos que permitan el estudio de este tipo de sistemas.
Una línea de espera puede modelarse como un proceso estocástico en el cual la
variable aleatoria se define como el número de transacciones en el sistema en un
momento dado; el conjunto de valores que puede tomar dicha variable es {O, 1,
2, . . . , N\ y cada uno de ellos tiene asociada una probabilidad de ocurrencia.

Modelos de decisión para línea de espera basada en costo. (Figura 1)

Se pueden analizar los resultados de colas en el contexto de un modelo de


optimización de costos, en el que la suma de los costos de ofrecer el servicio y de
esperar se reduzca al mínimo. La figura 1 representa un modelo característico de
costo (en $ por unidad de tiempo), en el que el costo del servicio aumenta al
incrementar el nivel del servicio. Al mismo tiempo, el costo de esperar disminuye al
incrementar el nivel del servicio. El obstáculo principal para implementar los
modelos de costo es que se puede dificultar la obtención de un estimado fiable del
costo unitario de espera, en especial cuando el comportamiento humano influye
sobre la función del caso.

Figura 1.

Estructura de un sistema de línea de espera.

Línea de espera de un solo canal.

Cada cliente debe pasar por un canal, una estación para tomar y surtir el pedido,
para colocar el pedido, pagar la cuenta y recibir el producto. Cuanto llegan más
clientes forman una línea de espera y aguardan que se desocupe la estación para
tomar y surtir el pedido.

Modelo de línea de espera y programación lineal

Distribución de llegadas.

Para determinar la distribución de probabilidad para la cantidad de llegadas en un


período dado, se puede utilizar la distribución de Poisson.

/= Media o cantidad promedio de ocurrencia en un intervalo

e= 2.17828

X= cantidad de ocurrencias en el intervalo

Modelo de línea de espera y programación lineal

El tiempo de servicio es el tiempo que pasa un cliente en la instalación una vez el


servicio ha iniciado. Se puede utilizar la distribución de probabilidad exponencial
para encontrar la probabilidad de que el tiempo de servicio sea menor o igual que
un tiempo t.

e= 2.17828

μ= cantidad media de unidades que pueden servirse por período


Problemas de inventarios.

Los problemas de inventarios consisten en colocar y recibir en forma repetida


pedidos de determinados tamaños a intervalos de tiempos establecidos.
El objetivo final de cualquier modelo de inventarios es el de dar respuesta a dos
preguntas:
¿Qué cantidad de artículos deben pedirse?
¿Cuándo pedir?
La primera pregunta representa la cantidad óptima que debe ordenarse cada vez
que se haga un pedido y puede variar con el tiempo, dependiendo de la situación
que se considere.
La segunda pregunta depende del tipo de sistema de inventarios.
El sistema requiere revisión periódica, que no es otra cosa que la recepción de un
nuevo pedido de la cantidad especificada por la cantidad del pedido en intervalos
de tiempo iguales, por ejemplo pedir cada semana o cada mes.
La cantidad y el punto de un nuevo pedido suelen determinarse normalmente,
minimizando el costo de inventario total que se puede expresar como una función
de estas dos variables. Podemos resumir el costo total de un modelo de inventarios
general como función de sus componentes principales en la forma siguiente:
(Costo total del inventario) = (costo de compra)+ (costo de preparación)+ (costo de
almacenamiento)+ (costo faltante)
Costo de compra se basa en el precio por unidad del artículo. Puede ser constante,
o puede ofrecerse con descuentos.
El Costo de preparación representa el gasto fijo en que se incurre cuando se hace
un pedido. Es independiente de la cantidad pedida. Para satisfacer la demanda en
un periodo, el pedido de cantidades menores dará́ origen a un costo fijo mayor
durante el mismo, a menos que se satisfaga la demanda haciendo pedidos mayores
(y por lo tanto menos frecuentes).
El Costo de almacenamiento de productos en bodegas, normalmente aumenta con
el nivel de inventario.
El Costo de faltante es una penalización en la que se incurre cuando se termina la
existencia de un producto que se necesita. Incluye la perdida potencial de ingresos
y el costo, además de la pérdida de la buena imagen hacia el cliente.
Las nomenclaturas de los costos:

El nivel de inventario óptimo corresponde al costo total mínimo de las cuatro


componentes. Sin embargo, un modelo de inventario no necesita incluir los cuatro
tipos de costos, ya sea porque algunos de los costos son insignificantes, o porque
harán que la función de costo total sea demasiado compleja para el análisis
matemático.
Los modelos de inventarios abarcan dos clases de modelos deterministas: estáticos
y dinámicos.
Los modelos estáticos tienen una demanda constante en función del tiempo y en
los modelos dinámicos, la demanda cambia en función del tiempo.
La demanda probabiliś tica tiene dos clasificaciones: el caso estacionario, en el cual
la función de densidad de probabilidad de la demanda se mantiene sin cambio con
el tiempo; y el caso no estacionario, donde la función densidad de probabilidad varia
́
con el tiempo.

Herramientas informáticas aplicadas en la solución del problema.

Se ha diseñado una aplicación especifica usando Excel y @risk para el presente


trabajo. Esta aplicación puede ser usada para cualquier modelo de inventario
relacionado con la industria farmacéutica.

@risk.
Es una herramienta informática de gran capacidad que actúa añadiendo sus
posibilidades e iconos a la hoja EXCEL de Microsoft. Básicamente utiliza
prestaciones estadiś ticas distribuciones de probabilidad, fórmulas de estadiś tica
descriptiva, muestreo y simulaciones de Monte Carlo.
@RISK utiliza la técnica de la simulación basándose en la hoja de cálculo para
incluir y combinar todos aquellos factores de incertidumbre y riesgo que puedan
afectar a la situación.

Sistema RISK para análisis de riesgos en problemas de inventario.

Características.

@RISK se añade directamente a la hoja EXCEL, aprovecha y potencia todas sus


caracteriś ticas y posibilidades. Analiza, combina, ejecuta y muestra todos los
resultados.
Las distribuciones pueden ser truncadas para incluir los parámetros o valores que
se quieran utilizar y en muchas de ellas se pueden cambiar los percentiles para
ajustarse mejor a los datos previos.
Los análisis de simulación se efectúan en base a las técnicas de muestreo de Monte
Carlo y Latin Hypercube.
El programa admite cualquier número de iteraciones por cada simulación y cualquier
número de simulaciones en cada análisis. Permite recálculos de cada hoja, señalar
un número aleatorio como generador y ver los resultados y estadiś ticas en tiempo
real mientras se van generando en la simulación. Proporciona una amplia variedad
de gráficos para interpretar y representar sus resultados.
Problema (ejemplo).
Los niños nacen es un estado poco poblado, con una frecuencia de un nacimiento
cada 12 minutos. El tiempo entre nacimientos sigue una distribución exponencial.

Determinar lo siguiente:

a) La cantidad promedio de nacimientos por año.

b) La probabilidad de que no haya nacimientos en cualquier día


.
c) La probabilidad de emitir 50 certificados de nacimientos en 3 horas, cuando se
emitieron 40 certificados durante las primeras 2 horas del periodo de 3 horas.

La tasa diaria de nacimientos se calcula:

Los nacimientos anuales en el estado son:

La probabilidad de que no haya nacimientos en algún día se calcula con la


distribución de poisson:

Para calcular la probabilidad de emitir 50 certificados en 3 horas cuando se han


emitido ya 40 certificados en las 2 primeras horas, equivale a tener 10 nacimientos
en 1 hora. Como λ = 60/12= 5 nacimientos por hora, entonces:
Los cálculos de la distribución de poisson, y en realidad de todas las fórmulas de
colas son tediosos, y requieren manejo especial para asegurar una exactitud de
cómputo razonable.

Bibliografía:
SAGREDO, E. J. (s.f.). GUSTO POR MATE. Obtenido de:
http://benasque.org/benasque/2005tae/2005tae-talks/213s3.pdf

SULUB, M. R. (s.f.). UAM. Obtenido de:


https://www.uam.es/personal_pdi/ciencias/carlosp/html/pid/montecarlo.html

VILLEDA, L. C. (s.f.). APRENDAMOS CIENCIA. Obtenido de:


https://www.recursosenprojectmanagement.com/metodo-de-montecarlo/
cordero, Leonardo rojas. Recursos en proyecto. 27 de 3 de 2017.
https://www.recursosenprojectmanagement.com/metodo-de-montecarlo/.

MEXICO, UNIVERSIDAD AUTONOMA DE. METODO MONTECARLO. 22 de 5 de


2016. https://www.uam.es/personal_pdi/ciencias/carlosp/html/pid/montecarlo.html.

Fishman G.S., 1978, “Conceptos y métodos en la simulación digital de eventos


discretos”, Limusa, México.
Fecha y hora de consulta:(14/1/2018) 08:09 p-m

file:///C:/Users/fc/Downloads/1051_TecnicasIISimulacion.pdf
Fecha y hora de consulta: (14/1/2018) 07:02 p-m

https://www.iol.etsii.upm.es/arch/elementossimulacion.pdf
Fecha y hora de consulta: (14/1/2018) 08:15 p-m

https://www.youtube.com/watch?v=WJjDr67frtM
Fecha y hora de consulta: (17/1/2018) 10:11 p-m
https://es.slideshare.net/GOGA81/exposicion-del-simulacion-38382231
Fecha y hora de consulta: (17/1/2018) 06:01 p-m

Vous aimerez peut-être aussi