Professional Documents
Culture Documents
para
interpretar
los
resultados
que
la
solucin
de
Gerencia de Operaciones I
4.1
ALGUNOS
LINEAMIENTOS
PARA
LA
Gerencia de Operaciones I
4.2
APLICACIONES EN MERCADOTECNIA
por
consideraciones
como
politicas
de
la
compaa,
Considrese
el
caso
de
la
empresa
Relax-and-Enjoy
Lake
Gerencia de Operaciones I
El
principal mercado para esto lotes en las orillas del lago incluye a
todas las familias de ingresos medios y altos dentro de un radio de
aproximadamente 100 millas desde tal centro. La Relax and - Enjoy
ha utilizado los servicios de la firma de publicidad Boone Phillips and
Jackson para el proyecto de la campaa promocional.
Despus de considerar los posibles medios publicitarios y el mercado
que se debe cubrir, la Boone ha hecho la recomendacin preliminar
de restringir la publicidad del primer mes a cinco fuentes. Al final del
mes, la empresa reevaluara su estrategia, con base en los resultados.
La Boone ha recopilado datos acerca del nmero de familias
potencialmente compradoras a las que se llega, el costo por
publicidad, el nmero mximo de veces que esta disponible cada
medio, y la disposicin esperada para cada uno de los cinco medios
publicitarios. La exposicin esperada se mide en trminos de una
unidad de exposicin, que es una del valor relativo de un anuncio en
cada uno de los medios. Tales medidas, con base en la experiencia
que la compaa tiene en el negocio de la publicidad, toman en
consideracin factores tales como perfil de la audiencia (edad,
ingresos y grado de educacin), imagen que se presenta y calidad del
anuncio. En la tabla 4.1 se presenta la informacin recopilada.
La
firma
Relax-and-Enjoy
ha
proporcionado
la
Boone
un
Gerencia de Operaciones I
Medios de
publicidad
TV diurna (1 min)
estacion WKLA
# familias
Costo
compradoras por
anuncio
1000
$ 1.500
TV nocturna (30
2000
seg), estacion
WKLA
Periodico diario The 1500
Morning Journal
# ocasiones
disponibles
Unidades
esperadas
15
65
$ 3.000
10
90
$ 400
25
40
Suplemento de
periodico dominical
2500
$ 1.000
60
Radio: noticias
8:00 A.M. o 5:00
P.M.
300
$ 100
30
20
dominical
X5 = numero de ocasiones en que se utiliza la radio.
Gerencia de Operaciones I
max 65 X1 + 90 X2+ 40 X3 + 60
X4+ 20 X5.
Ahora pueden plantearse las restricciones para el modelo a partir
de la informacin dada:
X1
15
X2
10
X3
25
X4
4
X5
30
X2
10
1500 X1 + 3000 X2
1000 X1
18000
2000 X2
1500X3
2500 X4
300 X5
50000 Audiencia
X1, X2, X3, X4, X5 0
En la Tabla 4.2 se presenta la solucin para este modelo de
programacin lineal con nueve restricciones y cinco variables.
TABLA 4.2 Plan de publicidad para la Relax-and-Enjoy Lake
Development Corporation
Medios publicitario
TV diurna
Periodico diario
Periodico dominical
Presupuesto
$
Frecuencia
10
15000
25
10000
2
2000
6
Gerencia de Operaciones I
Radio
3000
30000
Gerencia de Operaciones I
Notas y Comentarios
1. En general, se utilizan x1, x2, etc., para denotar las variables de
decisin en un modelo de programacin lineal. Al comenzar el
planteamiento del modelo, se expone en forma cuidadosa la notacin
utilizada y la definicin de cada variable de decisin.
Al mismo tiempo que se puede utilizar la notacin x1, x2, etc., en
cualquier modelo de programacin lineal, algunos cientficos de la
administracin prefieren hacer uso de un esquema de notacin ms
descriptivo para cada variable de decisin. Por ejemplo, el modelo de
seleccin de medios podra haber sido formulado como DTV para
denotar televisin durante el da; por NTV, para televisin durante
la noche; por P, para peridicos; por PD, para publicaciones
domsticas; por R, para revistas.
En este caso, la funcin objetivo quedarla expresada de la siguiente
manera:
Max
65DTV
9OIVTV
40P
6OPD
20R
Gerencia de Operaciones I
Investigacin de Mercadotecnia
Diversas
organizaciones
Llevan
a
cabo
investigaciones
mercadotcnicas para determinar caractersticas de los consumidores,
actitudes y preferencias con respecto a productos o servicios que las
organizaciones ofrecen. Con frecuencia, las investigaciones reales las
lleva a cabo una empresa de investigacin de mercadotecnia que se
especializa en ofrecer a sus clientes la informacin que desean sobre
el mercado. Los servicios que las empresas de
investigacin
mercadotcnica ofrecen por lo comn incluyen el diseo del estudio,
la realizacin de las encuestas de mercado, el anlisis de los datos
recopilados y reportes resumidos y recomendaciones para el cliente.
En la fase de diseo de la investigacin, es posible que se establezcan
objetivos o cuotas para el nmero y tipos de entrevistados que la
investigacin debe alcanzar. Cuando se establecen lineamientos sobre
cuotas, el objetivo de la empresa investigadora es Llevar a cabo la
encuesta de manera que se satisfagan las necesidades de los clientes
a un costo mnimo.
La firma Market Survey, Inc. (MSI), es una empresa de investigacin
de mercadotecnia que se especializa en evaluar la reaccin de los
consumidores ante productos, servicios y campaas de publicidad
nuevos. Una empresa cliente ha solicitado que le ayude a determinar
la reaccin de consumidores ante un producto recientemente
comercializado para uso domestico. En el curso de algunas reuniones
con el diente, se acord que se utilizaran entrevistas personales de
puerta en puerta para obtener informacin tanto de hogares con
nios los como de hogares sin ellos. Adems, se acord que seria
necesario realizar entrevistas tanto diurnas como nocturnas, con
objeto de incluir diversos horarios de trabajo en los hogares
Especficamente, el contrato de este cliente exiga a la SMI realizar
1000 entrevistas con los siguientes lineamientos sobre cuotas:
Gerencia de Operaciones I
Hogar
Nios
No nios
Costo de la entrevista
Diurna
Nocturna
$ 20
$ 25
$ 18
$ 20
Cual es el plan de entrevistas, por hogar y por parte del da, que
satisface los requerimientos contractuales a un costo mnimo total
para las entrevistas?
El planteamiento de un modelo de programacin lineal para el
problema de la Market Survey es buena oportunidad para introducir
el uso de variables de decisin con doble subndice. Utilizando x para
representar las variables decisorias, se utilizan dos subndices para x,
en donde el primer subndice seala si la entrevista implica a nios o
no, y el segundo indica si la entrevista se realiza durante el da o
durante la noche. Utilizando 1 para nios y 2 para no nios, y 1 para
da y 2 para noche, se pueden utilizar subndices dobles para
identificar las siguientes variables de decisin:
X11 = nmero de entrevistas en hogares con nios a realizar durante
el da
X12 = nmero de entrevistas en hogares con nios a realizar durante
la noche
10
Gerencia de Operaciones I
11
Gerencia de Operaciones I
Sujeto a
X11 + X12 + X21 + X22 = 1000 Total de entrevistas
X11 + X12
noche
.6X21 + .4X22 0 Hogares sin nios, noche
X11, X12, X21, X22 0
Hogar
Nios
Numero de entrevistas
diurnas
nocturnas
240
160
totales
400
12
Gerencia de Operaciones I
No nios
Totales
360
520
600
1000
Variable
X11
X12
X21
X22
Restriccion
1
2
3
4
5
6
Costos
Valor
reducidos
240,000015
0,000001
159,999985
0,000001
240
0,000002
360
0
Holgura /
Excedente
0
0
200
40
0
0
Precios
duales
-19,200001
-2,799999
0
0
-4,999998
-1,999998
13
Gerencia de Operaciones I
Gerencia de Operaciones I
Sean,
X1 = dlares invertidos en Atlantic Oil
X2 = dlares invertidos en Pacific Oil
X3 = dlares invertidos en Midwest Steel
X4 = dlares invertidos en Huber Steel
X5 = dlares invertidos en bonos gubernamentales
Utilizando las tasas de rendimiento proyectadas que se muestran en
15
Gerencia de Operaciones I
Inversion
(%)
Atlantic Oil
7.3
Pacific Oil
10.3
Midwest Steel
6.4
Huber Steel
7.5
Bonos gubernamentales
4.5
16
Gerencia de Operaciones I
17
Gerencia de Operaciones I
X1 + X2
petrolera
del acero
-0.25X3 0.25X4 + X5 0 Mnimo de bonos gubernamentales
0.6X1 + 0.4 X2
Restriccion
1
2
3
4
5
Valor
Costos reducidos
19999.998000
0.000000
3000.002000
0.000000
0.000000
0.011000
40000.000000
0.000000
10000.000000
0.000000
Holgura /
Excedente
0
0
10000
0
0
Precios
duales
0.069000
0.022000
0.000000
-0.024000
0.030000
18
Gerencia de Operaciones I
Inversin
Atlantic Oil
Pacific Oil
Huber Steel
Bonos
gubernamentales
Rendimiento
anual
Monto
esperado
20,000
$ 1.460
30,000
3090
40,000
3000
10,000
100,000
Rendimiento anual esperado de $8000
= 8%
450
8000
Gerencia de Operaciones I
NOTAS Y COMENTARIOS
La solucin ptima para el problema de la Welte Mutual Funds
indicaba que se deban invertir $20,000 en acciones de la Atlantic Oil.
Si la Atlantic Oil se vende en $75 por accin, se tendran que comprar
exactamente 266 2/3 acciones para invertir exactamente $20,000.
Por lo general, la dificultad para adquirir acciones fraccionarias se
maneja adquiriendo el mayor nmero entero posible de acciones con
los fondos asignados (por ejemplo, 266 acciones para la Atlantic Oil).
Este mtodo garantiza que no se infringe la restriccin presupuestal.
20
Gerencia de Operaciones I
21
Gerencia de Operaciones I
Modelo
Y
Z
Costo unitario
(materiales y
otros
gastos variables)
$ 50
$ 100
Precio
de venta
$ 58
$ 120
Margen
de utilidad
$8
$ 20
Horas de mano de
obra que se
requieren
Ensamblado
12
25
Empaque
y envo
1
2
22
Gerencia de Operaciones I
disponibles
x1 +
Y
>= 25
x2
+ 100x3
<= 3,000 Fondos internos disponibles
+100x4<= 10,000 Fondos externos
>= 50
x3+
x4
23
Gerencia de Operaciones I
100x3
+58x2
120x3
120x4>=
O bien
3000>= -8x1 + 45x2 20x3
Lo cual es equivalente a
-8x1 + 45x2 20x3 + 86x4 <= 3000
Aadiendo las restricciones de no negatividad, el modelo completo de
programacin lineal para la Jefferson Adding Machine Company puede
plantearse de la siguiente manera:
En la Fig. 4.3 se muestra la solucin por computadora para este
problema de combinacin financiera con cuatro variables y siete
restricciones. Se obtiene la utilidad de $1,191.86 con la solucin
Optima de x1 = 50, x2 = 0, x3 = 5, y x4 = 40.7. Obsrvese que el
costo reducido de cero para x2 indica que no es necesario que
aumente el coeficiente de la funcin objetivo para que se pueda
evaluar la inclusin de x2 con la solucin ptima. Esto es una
indicacin de que existe una solucin ptima alternativa para el
problema. En la Fig. 4.4 se muestra una polucin por computadora
que ofrece una solucin ptima alternativa. La utilidad de $1,191.86
24
Gerencia de Operaciones I
Variable
X1
X2
X3
X4
Valor
Costos reducidos
50,000000
0,000001
0,000000
0,000000
5,000000
0,000001
40,697674
0,000000
Holgura /
Restriccion Excedente
Precios duales
1
757,558230
0,000000
2
8,604660
0,000000
3
0,000000
0,239535
4
5930,232400
0,000000
5
0,000000
-2,395349
6
20,697670
0,000000
7
0,000000
0,197674
Figura 4.3 Solucin por computadora del problema de Jefferson
Adding Machines, utilizando The Management Scientist
Valor de la funcin objetivo =
Variable
X1
X2
X3
X4
Valor
0,000000
50,000000
30,000000
15,697672
1191.860350
Costos reducidos
0,000001
0,000000
0,000001
0,000000
Holgura /
Restriccion Excedente
Precios duales
1
757,558230
0,000000
2
8,604660
0,000000
3
0,000000
0,239535
4
5930,232400
0,000000
5
0,000000
-2,395349
6
20,697670
0,000000
7
0,000000
0,197674
25
Gerencia de Operaciones I
Modelo
Modelo Y
Fondos obtenidos a
credito (X2)
Modelo Z
Fondos de la
compaa(X3)
Fondos obtenidos a
credito (X4)
Totales
Unidades
utilidad
esperada
monto de
fondos
50
$ 325
$ 2.500
30
600
15,7
267
1570
1192
4070
Sus fondos internos ($3000), pero slo un poco mas de $4,000 de los
$10,000 disponibles en la lnea de crdito.
Algunas interpretaciones adicionales sobre el listado de computadora
de la Fig. 4.4 muestran que la capacidad de ensamblado (restriccin
1, holgura = 757.6 horas) y la capacidad de empaque y envi
(restriccin 2, holgura = 8.6 horas) son adecuadas para satisfacerlos
requisitos de produccin. Asignar horas adicionales a estos recursos
no mejora el valor de la solucin optima.
El precio dual correspondiente a la restriccin de los fondos internos
(restriccin 3) muestra que se puede obtener un mejoramiento de las
utilidades de aproximadamente $0.24 si se invierte un dlar adicional
de fondos internos. Con este elevado rendimiento sobre la inversin
de fondos internos, es posible que la Jefferson desee seriamente
considerar la asignacin de fondos internos adicionales para este
producto.
26
Gerencia de Operaciones I
Notas y Comentarios
Las contribuciones a las utilidades para los dos productos de la
Jefferson Adding Machine se basaron en la diferencia entre el precio
unitario por unidad y el costo por unidad. Una consideracin
interesante al determinar el costo por unidad es la diferencia entre
los costos irrelevantes (sunk) y los costos relevantes. Costos
irrelevantes son aqullos que ya se han realizado, tales como
compras previas de materiales, gastos generales, mano de obra
indirecta, etctera. Como son costos en los que ya se ha incurrido, o
costos que se realizarn sin importar las decisiones que se tomen,
tales conceptos carecen de relevancia; es decir, no son afectados por
los valores de las variables de decisin. -Los costos irrelevantes no
deben considerarse cuando se desarrolla la funcin objetivo para un
modelo de programacin lineal. Obsrvese que la Tabla 4.5 muestra
que los costos unitarios se basan en los costos relevantes variables
para los materiales, as como tambin en otros gastos variables. En el
caso referente a la proteccin ambiental que aparece al final del
capitulo se da oportunidad de identificar los costos relevantes al
desarrollar un modelo de programacin lineal.
4.4 APLICACIONES EN ADMINISTRACION DE LA PRODUCCION
Programacin de la produccin
Una de las reas ms importantes de la programacin lineal trata de
las aplicaciones en periodos mltiples de planeacin, tales como la
programacin de la produccin. La resolucin de un problema de esta
clase permite a los administradores establecer un programa de
produccin eficiente y a costos reducidos, para uno o ms productos,
a lo largo de diversos periodos, como semanas, meses, etctera. En
esencia, se puede contemplar un problema de programacin de la
produccin como uno de combinacin o mezcla de productos para
cada uno de diversos lapsos hacia el futuro El administrador debe
determinar los niveles de produccin que permitirn a una compaa
a satisfacer los requisitos de demanda del producto, considerando
27
Gerencia de Operaciones I
Gerencia de Operaciones I
Abril
Mayo
Junio
Componente
1000
322A
3000
5000
Componente
1000
8022
500
3000
30 de Abril
31 de Mayo
Componente
322A
Componente
802B
2000
Unidades
2000
Unidades
500
1500
unidades
unidades
Gerencia de Operaciones I
Gerencia de Operaciones I
31
Gerencia de Operaciones I
Inventario
Final del mes
Produccin
+
en
Demanda del
mes
32
Gerencia de Operaciones I
Anterior
Inventario
Final del mes
Produccin
+
en curso
Inventario
-
final de este
Anterior
Demanda
=
de este
mes
mes
33
Gerencia de Operaciones I
Capacidad de
Capacidad de
Mano de
almacenamiento
(pies
Obra
34
Gerencia de Operaciones I
Abril
Mayo
Junio
(horas)
cuadrados)
300
300
300
10000
10000
10000
400
500
600
Tabla 4.9
Requerimientos de maquinaria, mano de obra y
almacenamiento para los componentes 322A y 802B
Componente 322A
Componente 802B
Maquinas
(horas/unidad)
Mano de Obra
(horas/unidad)
almacenamiento
(pies
cuadrados/unidad)
0.10
0.08
0.05
0.07
2
3
Gerencia de Operaciones I
I1
D1
2500
36
Gerencia de Operaciones I
I2
-X12 X22 + X13 + X23 I3 + D3 = 0
D1
Abril
Mayo
Junio
500
2500
3000
3200
2000
5200
5200
0
5200
0
1700
200
3200
400
200
250
480
520
150
20
80
200
300
260
100
40
5100
4900
10000
0
1400
8600
37
Gerencia de Operaciones I
Gerencia de Operaciones I
Variables
X11
X12
X13
X21
X22
X23
S11
S12
S13
S21
S22
S23
I1
I2
I3
D1
D2
D3
Restriccion
1
2
3
4
5
6
7
8
Valor
500
3199,999
5199,9995
249,9995
2000,00098
0
c
200,000977
400
1699,99951
3200
200
500,00146
2199,9988
0
0
0
0
Holgura/excedente
0
0
0
0
0
0
0
0
Costos
reducidos
0,000002
0,000003
0,000004
0,000002
0,000001
0,060719
0,19286
0
0
0
0,000003
0
0
0
0
0,7
0,7
0,7
Precios
duales
-20,000002
-10,000002
-20,107142
-10,150002
-20,499996
-10,439282
-20,799995
-10,589281
39
Gerencia de Operaciones I
9
10
11
12
13
14
15
16
17
18
19
20
0
0
0
0
2,142897
0
0
0,046428
0
0,5
0,5
0,5
FIGURA 4.6
Solucin por computadora del problema de
programacin de la produccin para Bollinger Electronics utilizando
The Management Scientist.
40
Gerencia de Operaciones I
Producto 1
Producto 2
41
Gerencia de Operaciones I
0.070
0.100
0.050
0.084
0.100
0.067
0.010
0.025
42
Gerencia de Operaciones I
Solo en el departamento
1
430
Solo en el departamento
2
400
Solo en el departamento
3
500
Solo en el departamento
4
135
Departamentos 1 o 2
570
Departamentos 3 o 4
300
Total disponible
2335
43
Gerencia de Operaciones I
b2
b3
b4
b2
b3
b1+ b2
b4
b3+ b4
0
0
0
0
1000
970
800
435
1400
935
44
Gerencia de Operaciones I
Obsrvese que el plan ptimo de mano de obra utiliza todas las 2,335
horas disponibles. En esta solucin, no existe tiempo ocioso en
ninguno de los departamentos. No es este siempre el caso en los
problemas de este tipo. Sin embargo, si el administrador tiene de
hecho la libertad de asignar a ciertos empleados a distintos
departamentos, el efecto ser probablemente una reduccin en el
tiempo ocioso global. El modelo de programacin asigna
automticamente a los empleados a los departamentos de la manera
mas redituable. Si el administrador hubiera efectuado una asignacin,
segn su juicio, de las horas a los departamentos, y si hubiera
despus resuelto el problema de mezcla de productos utilizando unas
b1 fijas, es probable que hubiera tenido holgura en algunos
departamentos, al mismo tiempo que otros departamentos hubieran
representado congestionamientos debido a recursos insuficientes.
Plan de produccin
Producto 1 = 4700 cajas
Producto 2 = 4543 cajas
783 horas
Departamento 2
617 horas
Departamento3
774 horas
Departamento4
161 horas
Total
2335 horas
Utilidad = $ 8789
45
Gerencia de Operaciones I
Gerencia de Operaciones I
Gasolina Extra
Mximo disponible
5000 galones
10000 galones
10000 galones
para el programa de
Especificaciones
Cuando mucho 30% del
componente 1
Al menos 40% del componente 2
Cuando mucho 20% del
componente 3
Al menos 25% del componente 1
Cuando mucho 40% del
componente 2
Al menos 30% del componente 3
47
Gerencia de Operaciones I
48
Gerencia de Operaciones I
5,000
10,000
10,000
Componente 1
Componente 2
Componente 3
x1r
0.30
x1r + x2 r + x3r
o bien
x1r 0.30 (x1r + x2r + x3r)
Replanteando esta restriccin con las variables en el lado izquierdo y
una constante en el lado derecho, la restriccin sobre la
especificacin del primer producto se convierte en
0.70x1r - 0.30x2r - 0.30x3r 0
La especificacin para el segundo producto puede escribirse como:
49
Gerencia de Operaciones I
x2 r
0.40
x1r + x2 r + x3r
o bien
X2r O.40 (X1r + X2r + X3r)
y as
-0.40x1r + 0.60x2r - 0.40x3r 0
De manera similar, pueden escribirse de la siguiente manera las
cuatro especificaciones adicionales sobre las mezclas.
max 0.25x1r+0.20x2r+0.08x3r+0.29x1p+0.24x2p+0.12x3p
sujeta a
x1r
+
+
x2r
+
x3r
0.70x1r- 0.30x2r- 0.30x3r
- 0.40x1r+0.60x2r- 0.40x3r
-0.20x1r- 0.20x2r+ 0.80x3r
x1p
x2p
x3p
5,000
10,000
10,000
50
Gerencia de Operaciones I
x1r +
x2r +
x3r
x1r, x2r, x3r, x1p, x2p, x3p
10,000
0
Variable
X1R
X2R
X3R
X1P
X2P
X3P
Restriccin
1
2
3
4
5
6
7
8
9
10
Solucin
por
Valor
1249.999020
8749.997100
0.000000
3750.001000
1250.005860
10000.000000
Holgura/Excedente
0.000000
0.000000
0.000000
1750.000490
4749.999000
1999.999390
0.000000
computadora
4749.998000
5499.997100
0.000000
del
problema
Costos Reducidos
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
Precios Duales
0.290000
0.240000
0.120000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
-0.040000
de
mezclado
de
la
51
Gerencia de Operaciones I
Gasolina
Normal
Componente 1
1250(12.5%)
3750(25.0%)
Componente 2
8750(87.5%)
1250(8.3%)
Componente 3
_
10,000(66.7%)
Total
10,000
15,000
Extra
Componente
Componente
Componente
1
2
3
Gasolina normal
x1r
x2r
x3r
Gasolina extra
x1p
x2p
x3p
52
Gerencia de Operaciones I
Existen dos ventajas con este mtodo: (1) ofrece una forma
sistemtica de definir las variables de decisin para cualquier
problema de mezcla. (2) es una imagen visual de las variables de
decisin en trminos de la forma en la que se relacionan con las
materias primas. los productos. y entre s.
Las unidades de operacin de la mayor parte de las organizaciones tienen insumos mlti ples, tales
frecuencia resulta difcil a los administradores determinar qu unidades operativas son
ineficientes para convertir sus insumos mltiples en productos mltiples. Es aqu donde
el anlisis global de datos ha probado ser una til herramienta administrativa.
El mtodo del AGD utiliza un modelo de programacin lineal para
constituir una unidad operativa compuesta e hipottica, con base en
todas las unidades del grupo de referencia. Se determinan los
resultados de tal unidad calculando un promedio ponderado de los
resultados de todas las unidades de grupo de referencia. Las
restricciones del modelo de programacin lineal requieren que todos
los resultados de la unidad compuesta sean mayores que o iguales a
los resultados de la unidad que se evala. Si se puede probar que los
insumos para la unidad compuesta son inferiores a los insumos para
la unidad que se evala, se tiene que la unidad citada obtiene el
mismo resultado (o mayor) con menos insumos. En este caso, el
modelo seala que la unidad compuesta es ms eficiente que la
unidad evaluada. En otras palabras, la unidad que se evala es
menos eficiente que la unidad compuesta. Como la unidad en
cuestin se basa en todas las unidades del grupo de referencia,
puede calificarse a la unidad en evaluacin como relativamente
indeficiente cuando se la compara con las otras unidades del grupo.
53
Gerencia de Operaciones I
Medidas de insumos:
1. El nmero de elementos del personal, equivalentes, de tiempo
completo y que no son mdicos.
2. La cantidad que se invierte en suministros 3. El nmero de dascama disponibles.
Medidas de los resultados:
1. Das-paciente de servicio segn Medicare*
General
Universitario Distrital
Estatal
285.20
162.30
275.70
210.40
123.80
106.72
128.70
64.21
348.50
104.10
154.10
104.04
Universitario
Distrital
Estatal
48.14
34.62
36.72
33.16
43.10
27.11
45.98
56.46
253
41
148
27
175
23
160
84
General
54
Gerencia de Operaciones I
Como se mencionaba, se utilizarn los pesos para determinar los insumos y los
resultados para el hospital compuesto hipottico. Las relaciones de insumos/resultados
que se incluyen en el modelo tendrn la siguiente forma general:
insumos /
resultados
en
=
el hospital compuesto el
+
el
insumos /
insumos /
+
resultados en
wg
resultados
en
wu
hospital general
el hospital universitario
insumos /
+
wc
resultados
en
ws
Distrital
el hospital estatal
insumos /
resultados en
hospital
55
Gerencia de Operaciones I
Enfermeras
41wg +
internos
27wu +
23wc +
84ws
23
Con
175
Mdicos
Resultados
para el
Resultados para el Hospital Compuesto
Hospital
Distrital
Utilizados por el
Disponibles para el
275.70
275.70E
348.50
104.10
348.50E
104.10E
56
Gerencia de Operaciones I
Personal
no
medico
de
tiempo completo equivalente
Suministros
106.72wg +
104.10E
Dias-cama
Si E < 1,
57
Gerencia de Operaciones I
wu
wc
48.14wg
+ 34.62wu
+ 36.72wc
43.10wg
+ 27.11wu
+ 45.98wc
253wg
148wu
41wg
27wu
23wc
- 275.50E +285.20wg
+162.30wu
+275.70wc
- 348.50E +123.80wg
+128.70wu
+348.50wc
- 104.10E +106.72wg
+ 63.21wu
+104.10wc
175wc
ws
1
+ 33.16ws
36.72
+ 56.46ws
45.98
+
160ws
175
+
84ws
23
+ 210.40ws
0
+ 154.10ws
0
+ 104.04ws
0
SOLUCIN PTIMA
Valor de la funcin objetivo = 0.905238
Variable
Costos reducidos
Valor
---------------------- ------------------------
E
WG
WU
WC
WS
0.905238
0.212266
0.260447
0.000000
0.527286
Restriccin
Holgura/Excedente
---------------------- ------------------------
1
2
3
4
5
6
7
8
0.000000
0.000000
0.000000
1.615387
37.027027
35.642986
174422.297000
0.000000
----------------------
0.000000
0.000000
0.000000
0.094762
0.000000
Precios duales
----------------------
0.238886
-0.000014
-0.000014
0.000000
0.000000
0.000000
0.000000
0.000010
58
Gerencia de Operaciones I
59
Gerencia de Operaciones I
NOTAS y COMENTARIOS
1. Se debe recordar que el propsito del anlisis global de datos
consiste en identificar unidades operativas que son
relativamente ineficientes. El mtodo no necesariamente
identifica las unidades operativas que son relativamente
eficientes. El simple hecho de que el ndice de, eficiencia sea
E = 1, no permite concluir que la unidad que se analiza es
relativamente eficiente.
De hecho, no puede decidirse que cualquier unidad que
tenga los mayores resultados en cualquiera de las medidas
correspondientes es relativamente ineficiente. Por ello, sigue
siendo posible mejorar la eficiencia absoluta de las unidades
que no son relativamente ineficientes.
2. Si existe alguna unidad que
mostrar que todas las dems
ineficientes. Este sera el caso
mayor parte de los resultados
cantidad de insumos. En la
extremadamente raros.
RESUMEN
En este captulo se expuso una amplia gama de aplicaciones para
ilustrar la forma en que la programacin lineal puede ayudar en el
proceso de toma de decisiones. Utilizando situaciones, se plantearon
y resolvieron Problemas en las reas de mercadotcnica, finanzas y
administracin de la produccin. Adems, se mostr la forma en que
60
Gerencia de Operaciones I
61