Libro - Investigacion de Operaciones 2

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
Facultad de Ciencias Matemáticas
INVESTIGACIÓN
OPERATIVA II
TEORÍA Y EJERCICIOS
Lucio Malásquez Ruiz

Ciudad Universitaria 2016
Investigación Operativa II – Lucio Malásquez Ruiz
ÍNDICE
1. Teoría de decisiones ................................................................................3 pág.

1.1 Introducción.....................................................................................4 pág.
1.2 Definiciones .....................................................................................5 pág.
1.3 Tipología de la toma de decisiones..................................................7 pág.
1.4 Fases de la toma de decisiones .....................................................10 pág.
1.5 Decisiones en condiciones de certeza ...........................................11 pág.
1.6 Decisiones en condiciones de riesgo o incertidumbre ..................12 pág.
1.7 Ejercicios ........................................................................................33 pág.
2. Programación Pert - Cpm .....................................................................53 pág.
2.1 Programación Pert - Cpm...............................................................54 pág.
2.2 El Grafo Pert – Cpm en la planificación de proyectos ...................58 pág.
2.3 Duración de una actividad .............................................................76 pág.
2.4 Costos y duración optima de un proyecto en el sistema Pert-Cpm ......101 pág.
2.5 Ejercicios ......................................................................................113 pág.
3. Teoría de Inventarios ..........................................................................128 pág.
3.1 Introducción.................................................................................129 pág.
3.2 Objetivo del problema de inventarios .........................................130 pág.
3.3 Características de los sistemas de inventarios ............................131 pág.
3.4 Ejercicios ......................................................................................158 pág.
4. Teoría de Colas ....................................................................................177 pág.
4.1 Introducción.................................................................................178 pág.
4.2 Costos de los sistemas de colas ...................................................180 pág.
4.3 Modelos de Colas: Población Infinita ..........................................183 pág.
4.4 Modelo de Colas: Población finita ...............................................190 pág.
4.5 Análisis Económico de líneas de espera ......................................195 pág.
4.6 Ejercicios ......................................................................................197 pág.
5. Programación Dinámica ......................................................................214 pág.
5.1 Conceptos básicos de programación dinámica ...........................215 pág.
5.2 Estrategia básica, ejemplos demostrativos .................................218 pág.
5.3 Programación dinámica con variables discretas..........................226 pág.
5.4 Problemas de cálculo en programación dinámica .......................243 pág.
5.5 Ejercicios ......................................................................................250 pág.
2
I. TEORÍA DE
DECISIONES
TEMAS
 Introducción ....................................................................................... 4 Pág.

 Definiciones........................................................................................ 5 Pág.
 Tipología De La Toma De Decisiones .................................................... 7 Pág.
 Fases De La Toma De Decisiones........................................................ 10 Pág.
 Decisiones En Condiciones De Certeza ............................................... 11 Pág.
 Decisiones En Condiciones De Riesgo E Incertidumbre ...................... 12 Pág.
 Ejercicios ......................................................................................... 33 Pág.
3
INTRODUCCIÓN
I
La organización fracciona el problema en sus diversas partes, las analiza, estudia por
separado y arroja por grupos sus resultados. La Investigación de Operaciones recoge
estos resultados y los coordina a todos los niveles.
El éxito de cualquier operativo, ya sea militar, comercial, industrial, político social, etc.,
depende del adecuado uso de los medios que se dispone para ese fin. La
Investigación de Operaciones se aplica a problemas que tienen que ver con la forma
de conducir y coordinar las operaciones o actividades dentro de una organización.
El propósito de la Investigación de Operaciones es pronosticar las condiciones óptimas
de las acciones presentes, futuras y comprenderlas perfectamente para poder
modificarlas en vista de mejores resultados.
De la experiencia personal, muchas decisiones se toman sin hacer referencia al método
científico o a los métodos cuantitativos.
La costumbre, la tradición, la fe, la intuición, las preferencias, predisposiciones y el
factor político, etc., juegan un papel importante en la manera en que se resuelve los
problemas. En la búsqueda de soluciones de los problemas debemos responder a las
siguientes preguntas:
❖ ¿Cómo debe actuarse al tomar una decisión?
❖ ¿Qué debe hacerse para tomar la mejor decisión?
4
DEFINICIONES
II
2.1 DECISIÓN:
Decidir es elegir entre diferentes alternativas. Cuando el proceso de selección lo
efectuamos, consideramos diferentes criterios que como filtros de opciones nos permite
establecer un orden de preferencia de las alternativas.
La complejidad del mundo económico actual y de la estructura interna de las empresas
hacen cada vez más difíciles las decisiones. Que ya no cabe la decisión intuitiva, la
decisión actual ha de ser fruto de una reflexión y de una preparación racional. La
decisión se traduce en coordinar un conjunto de actividades cuyas consecuencias se
sentirán en el futuro. El decisor decide en base a la intuición y en base al razonamiento.
D = d {R, I} I: Intuición, R: Razón
La Investigación de Operaciones, tiene por misión dar mayor peso a la componente
racional de todo acto de decisión, que las decisiones descansen sobre bases
racionales. Para aumentar el peso de la componente racional. La Investigación
Operativa cuantifica al máximo la información del estado del sistema. No puede
haber una decisión totalmente racional, pues quien decide, muchas veces tiene en
cuenta el acto de la decisión otros factores como: prestigio personal, político, etc.
El método científico surgió a través del tiempo a partir de la experiencia de muchos
científicos (Químicos, Físicos, Biólogos, etc.). Se reconoce a Sir Francis Bacon quien
describió formalmente el método científico. La aplicación exhaustiva del método
científico, considera:
✓ Estar bien informado: Deben conocerse todos lo hecho y relaciones pertinentes.
✓ Conocer todas las alternativas: Deben identificarse todas las alternativas de
solución.
✓ Ser objetivo: Ser optimizador económico. Maximizar los beneficios económicos
y minimizar los costos económicos.
5
2.2 ELEMENTOS DE UN PROBLEMA DE DECISIONES

La persona que toma una decisión quiere alcanzar una situación distinta a la de su
estado original. Además, escoge de una manera, pensando que esa es la forma
adecuada para alcanzar las metas. Su actuación toma la forma concreta de una cierta
utilización de sus recursos limitados. Cualquier problema de decisiones independiente
del tipo de organización formal o del nivel jerárquico en el cual se presenta, tiene
estas características: una persona responsable toma la decisión, considerando sus
objetivos.
Existe un contexto del problema, factores que están fuera del control de decisor y se
dan en el medio ambiente: estados de la naturaleza 𝜽𝒋 . Hay un conjunto de
alternativas Ai (cursos de acción) viables que considera el decisor en el contexto del
problema. Hay un conjunto de valores de las consecuencias rij que resultan de la
combinación de las alternativas y de los estados de la naturaleza. Los estados de la
naturaleza, cuantifica en términos probabilísticos. Selección del criterio de decisión
para determinar cuál es la mejor alternativa.
2.3 MATRIZ DE DECISIONES
Formalizamos la presentación del modelo de toma de decisiones con la matriz de
decisiones (matriz de consecuencia), donde cada fila representa una alternativa Ai y
cada columna representa un estado de la naturaleza 𝜽𝒋 :
Alternativas Estados de la Naturaleza

Ai/𝜽𝒋 𝜽𝟏 𝜽𝟐 …………………𝜽𝒏
A1 r11 r12 r1n

A2 r21 r22 r2n
……. …………………………………..
Am Rm1 rm2 ………………... rmn
P(𝜽𝒋 ) P(𝜽𝟏 ) P(𝜽𝟐 ) P(𝜽𝒏 )
Debe observarse que las estrategias y estados de la naturaleza, se enumeran de tal

forma que sean mutuamente excluyentes y exhaustivos.
6
2.4 DETERMINACIÓN DE LOS ESTADOS DE LA NATURALEZA.

Considerar todos los eventos 𝜽𝒋 posibles, de omitirse uno de ellos también se omiten
sus consecuencias Rij al evaluar las distintas alternativas Ai. Un evento será imposible
si el decisor quiere considerarlo. La lista de los eventos considerados debe ser
completa, en el sentido de que uno de ellos necesariamente debe ocurrir. Hay que
enumerar los eventos de tal manera que sean mutuamente excluyentes.
TIPOLOGÍA DE LA TOMA DE
III
DECISIONES
Los medios necesarios para la toma de decisiones son el juicio y el sentido común.
Los procedimientos formales abarcan, organizan, jerarquizar, contar, estimar y una
aritmética de la información.
3.1. PRIMERA TIPOLOGÍA.
Existe infinidad de problemas de decisiones que los podemos reducir a:
1. Situaciones Programables.
Situaciones bien definidas, repetitivas y para los cuales existe una información
adecuada. Existen reglas rutinarias que normalmente guían la administración
diaria de los asuntos de las organizaciones comerciales:
▪ Nivel de inventario.
▪ Colocación de trabajadores.
▪ Determinación de horarios de producción, etc.
2. Situaciones No Programables.
No están bien definidos, ocurren esporádicamente y no se tiene información

suficiente que ayude a decidir. El decisor es incapaz de aportar reglas para
estructurar el problema. Las características de las situaciones no programables
son:
➢ Extensa base de datos.
➢ Muchos requerimientos para el manejo de los datos.
➢ No hay criterios definidos para elegir la mejor alternativa.
➢ No se puede enumerar todas las alternativas.
➢ Existe un ambiente dinámico del problema.
7
3.2. SEGUNDA TIPOLOGÍA

La clasificación se basa por el grado de información que se encuentra al alcance
del decisor con respecto a las probabilidades de ocurrencia de los diversos estados
de la naturaleza.
1. Decisiones En Condiciones De Certeza.
El decisor sabe con certeza el estado de la naturaleza y las consecuencias al elegir
una de un conjunto de alternativas, conociendo sus preferencias por los resultados.
Ejemplos: Tengo un depósito de $100 en una cuenta de ahorro, y sé que por intereses
generara $20 en el saldo de la cuenta.
2. Decisiones En Condiciones De Riesgos.
Cuando más de un estado de la naturaleza es relevante, el decisor identifica las
alternativas y asigna probabilidades que se conocen o se pueden suponer en cuanto
a la ocurrencia de los estados de la naturaleza. Ejemplo: No sabemos si lloverá
mañana, pero sabemos que la probabilidad de lluvia es de 0.3.
3. Decisiones En Condiciones De Incertidumbre.
El decisor desconoce la ocurrencia de los estados de la naturaleza y se siente
incapaz para estimar o calcular las probabilidades asociando a cada estado de la
naturaleza. Para resolver estos problemas se asigna juicios subjetivos de optimismo
y pesimismo en cuanto a la ocurrencia de los estados de la naturaleza. Ejemplo: La
probabilidad que un demócrata sea presidente dentro de 20 años no se conoce.
EJEMPLO Venta De Arboles

El personal de cierto convento coloca en el mercado árboles de navidad. Su problema es
decidir cuantos árboles se debe producir la siguiente temporada. Se realiza un gasto de
$3.5/árbol, se producen en lotes de 100 y se planea venderlos a $8.0 cada uno, se estudian
los registros de ventas con otros vendedores, llegando a las siguientes estimaciones para la
siguiente temporada.
Venta de arboles 100 200 300
Probabilidad 0.3 0.3 0.4
SOLUCIÓN:
Modelo de decisión bajo riesgo, se recoge información de los vendedores:
Utilidad $4.5/árbol, Costos $3.5/árbol Precio $8/árbol
Estados de la Naturaleza.
Lotes de 100 árboles; Demandas: 100, 200 y 300
8
✓ 01: Vender 100 arboles

✓ 02: Vender 200 arboles
✓ 03: Vender 300 árboles.
Alternativas:
El personal puede producir: 100, 200 y 300.
✓ A1: Producir 100 árboles.
Matriz de Pagos
Las consecuencias se expresan en términos de utilidades
✓ R11=100* (4.5) =450
✓ R12=100* (4.5) =450
✓ R13=100* (4.5) =450
✓ R21=100* (4.5) – 100(3.5) =100
✓ R22=R23=200*(4.5) =900
✓ R31=100* (4.5) – 200* (3.5) =250
✓ R32=200* (4.5) – 100* (3.5) =900 – 350 =550
✓ R33=300* (4.5) = 1350
Ai/𝜽𝒋 𝜽𝟏 𝜽𝟐 𝜽𝟑
A1 450 450 450
A2 100 900 900
A3 -250 550 1350
Evaluación de Resultados.
✓ Si se ordena 100 unid., hay seguridad de ganancias de $450.
✓ Si se ordena 200 unid., las ganancias están en el rango de $100 a $900.
✓ Si se ordena 300 unid., la utilidad potencial esta entre $-250 y $1350.
Evaluamos las alternativas, utilizando el criterio del Valor Esperado.
E ( Ai )   RijP ( j )
Luego escogemos el máximo valor esperado:
Max {450, 660, 630}=660
El criterio del valor esperado nos dice que debemos seleccionar la alternativa dos, es decir
producir 200 árboles para tener una ganancia esperada de $660.
9
FASES DE LA TOMA DE
IV DECISIONES
El proceso racional de toma de las decisiones, implica las siguientes fases de
actividad:
1. DEFINICIÓN DEL PROBLEMA
Determinar, descubrir y delimitar el problema a estudiar.
✓ Definición De Las Necesidades: Determinar las necesidades y a quien se ha
de satisfacer.
✓ Definición De Objetivos: Elementos que indican hacia donde debe llevar la
decisión de que se trata. Estos deberán llevar a metas que sean:
Cuantificables, Claros y Reales. De modo que puedan ser comparados con
los resultados obtenidos y poder así corregir en casos de desviaciones.
✓ Definición De Recursos: Al definir lo recursos con que se cuentan o contara en
el futuro se establecen las restricciones básicas del sistema.
✓ Definición De Las Condiciones Ambientales: Identificar los factores
ambientales relacionados con el problema y emitir juicios acerca de estos a
fin de relacionar estos factores con los objetivos.
2. DIAGNÓSTICO DEL PROBLEMA.
Su fin es el de analizar la información recogida y la de describir en detalle la
situación actual del sistema, así como la de sus componentes. Este procedimiento
permite pronosticar las consecuencias futuras del sistema de seguir actuando como
lo hace. La calidad y confiabilidad de los resultados está en función de la idoneidad
de la información.
3. BÚSQUEDA DE ALTERNATIVAS.
La predicción (pronostico) permite definir cuáles serán las posibles alternativas a
seguir para alcanzar el objetivo propuesto. El proceso de desarrollar alternativas
es proporcionar condiciones conducentes al pensamiento creativo con los procesos
humanos de inventiva e innovación. Para que las alternativas tengan un significado,
es necesario que alguna predicción indique las consecuencias probables que puedan
acontecer.
4. EVALUACIÓN DE ALTERNATIVAS.
Dado las predicciones, se evaluarán estos considerando los objetivos fijados, con el
cual e están valorando las alternativas y se podrá decidir, cuál de las alternativas
es la más conveniente. La evaluación de las alternativas se puede realizar por los
10
métodos: Estimaciones, Corazonadas, La experimentación, Modelos Empíricos,

Modelos Teóricos Establecidos.
DECISIONES EN CONDICIONES
V
DE CERTEZA
Esta situación se da cuando el decisor conoce el estado de la naturaleza que ocurrirá
con absoluta certeza. Por tanto la persona que toma la decisión conoce el conjunto de
sus estrategias posibles también conoce los resultados correspondientes a cada una
de las estrategias disponibles y conoce sus preferencias por los diversos resultados
considerados.
Por tanto la matriz de decisiones solamente posee una columna donde se especifica
el estado natural pertinente.
LA TIENDA SABINO Y ROQUE

EJEMPLO
El supervisor del Dpto. de modas juveniles, de la sucursal Nápoles dela tienda Sabino y Roque
deben decidir cuantos vestidos de un estilo determinado conviene almacenar para atender
la demanda de la próxima temporada.
Según las normas de fabricante, los vestidos deben adquirirse por lotes de 10 docenas cada
uno. El beneficio neto que la tienda obtiene por cada docena vendida es de mil pesos, y los
vestidos que no se venden antes de finalizar la temporada, se liquidan a un precio rebajado
que ocasiona una pérdida de quinientos pesos por docena.
Se conoce exactamente la demanda de este tipo de vestidos, la demanda será de 60
docenas para la temporada de que se trate. Después de unas consultas rápidas con sus
vendedores el supervisor del Dpto. considera los cursos de acción siguientes, almacenar 50,
60, 70 docenas. No hay pérdidas porque no hay exceso de inventario.
SOLUCIÓN:
- Se tiene conocimiento que en la temporada se ha de vender 60 docenas de

vestidos.
- Estados de la Naturaleza
01: Demanda de 60 docenas.

Norma del fabricante, adquirir lotes de 10 doc. El supervisor considera los cursos de
acción;
Alternativas:
11
A1: Almacenar 50 docenas

Las consecuencias rij asociada con cada combinación de estados de la naturaleza
y estrategias:
Para A1 beneficio neto. No hay exceso de inventario.
r11 = 50 doc x 1000/doc = 50 000
r21 = 60 doc x 1000/doc = 60 000
r31 = 60 doc x 1000/doc – 10 doc x 500/doc = 60 000 – 5 000 = 55
000
Matriz de pagos: Utilidades:
ALTERNATIVAS E. NATURALEZA
01: 60 doc
A1 Almacena 50 50 000
DECISIONES EN CONDICIONES
VI
DE RIESGO E INCERTIDUMBRE
La disponibilidad de información parcial o imperfecta sobre un problema, lleva a
dos nuevas categorías de casos de toma de decisiones:
1.- Decisiones con riesgo
2.- Decisiones con incertidumbre
En el primer caso el grado de ignorancia se expresa con una función de
probabilidad a priori a los distintos estados de la naturaleza usando:
❖ Datos pasados
❖ Otra información disponible
❖ Juicio subjetivo
Mientras en el caso dos, no se dispone de una función de probabilidad, porque no
existe información registrada (Histórica), pero podemos asignar probabilidad
12
subjetiva. En ambos casos no se conoce perfectamente el estado que adoptará la

naturaleza, pero se asocia a éste una distribución de probabilidad.
Los criterios de decisión que se emplean cuando predominan estas condiciones de
riesgo-incertidumbre, reflejan los valores personales y las actitudes hacia el riesgo
que tienen los responsables de tomar decisiones. El decisor se enfrenta a situaciones
que pocas veces sucedieron y en su afán de cuantificar esta incertidumbre, adopta
una actitud intermedia entre el pesimismo y el optimismo o algún otro criterio más
conveniente, de acuerdo al nivel de aspiración del decisor.
La estadística clásica, resuelve problemas (P) de decisión en casos de riesgo R e
incertidumbre I, sólo si es posible experimentar E:
En algunas ocasiones, podemos agregar información pasada o de situaciones

similares a nuestro caso, con ello podemos ajustar las probabilidades a priori, este
ajuste se denomina probabilidad posteriori. Y si no podemos contar con información
histórica, debemos hacer un estudio de campo que nos permita ajustar las
probabilidades a priori, para este caso llamaremos probabilidades posteriori.
Si la experimentación no es factible E, el análisis estadístico (enfoque objetivo) no es
útil para resolver los problemas de decisión. En estos casos se requiere otras técnicas
y enfoques conocidos.
El criterio de optimalidad que se usa para seleccionar entre varias alternativas, será
la minimización del costo esperado. Entre los problemas que se consideran están los
siguientes:
1.- Siendo la política optima, ¿Cuál es el costo esperado?
2.- ¿Cuál es la decisión que minimice el costo esperado, dado el resultado de un
experimento?
3.- Si se lleva a cabo un experimento, ¿valdrá la pena? Es decir, la disminución
en el costo esperado será mayor que el costo del experimento.
13
4.- Cuál es la cantidad máxima de dinero que podría gastarse con el fin de
eliminar toda incertidumbre.
PROCESO FORMAL DE UN PROBLEMA DE DECISIÓN

A= { A1, A2, … , Am }
2.- El conjunto de los estados de la naturaleza: 𝜃 = {𝜃1 , 𝜃2 , … 𝜃𝑛 } no se ejerce
control sobre la ocurrencia de estos eventos.
3.- Pero la ocurrencia de los estados de la naturaleza el decisor cuantifica en
términos probabilísticos objetivos o subjetivos.
4.- Al elegir el decisor una alternativa cualquiera, se conocen o estiman las posibles
consecuencias que son a su vez función de los estados de la naturaleza.
5.- Siendo el objetivo del decisor, el de minimizar los costos o maximizar las
ganancias, escoge entre los promedios la mejor alternativa, éste lo expresa con la
función:
E{ r(Ai , 𝜃𝐽 )} que es la que caracteriza a los diferentes métodos y que se dimensionan
en términos monetarios o de utilidad.
DECISION SIN EXPERIMENTACION
1. CRITERIOS PARA SITUACIONES DE RIESGO
Si debemos decidir frente a un conjunto de alternativas, y teniendo factores
ambientales, que de alguna manera imposibilitan el logro de los objetivos.
Tendremos que recurrir a información histórica de los factores exógenos (Estados de
la naturaleza) y expresarlos en términos probabilísticos, para luego aplicarlo a un
determinado criterio el cual señalará la alternativa a elegir.
1.1 CRITERIO DEL VALOR MONETARIO ESPERADO
Supone que los estados que presenta la naturaleza son variables aleatorias,
en muchas situaciones de decisiones bajo riesgo no se dispone de distribuciones
de probabilidad en cuanto a la ocurrencia de los estados de la naturaleza. El
criterio de valor monetario esperado estipula, que el decisor haciendo uso de
la distribución a priori, debe seleccionar aquella estrategia que minimice
(maximice) su perdida (ganancia) esperada:
Opt E{f(Ai , 𝜽𝑱 )}
Dónde:
Opt: Maximizar beneficios esperado matriz de pagos expresado en
ganancias
Minimizar Costo esperado matriz de pagos expresado en pérdidas (costos).
14
El decisor asigna probabilidades de ocurrencia de cada estado natural,

basándose en datos disponibles sobre la frecuencia relativa con que cada
estado se presentó en el pasado. Axiomas básicos de las probabilidades,
para asignar probabilidades a los estados de la naturaleza:
a. 0<= P(𝜃𝑗 ) <= 1
b. P (𝜃1 ∪ 𝜃2 )= P (𝜃1 ) + P (𝜃2 )
c. P (𝜃1 ∪ 𝜃2 ∪ … . .∪, 𝜃𝑛 )=1 , 𝜃𝑗 : Excluyentes
Se debe tener cuidado al usar el VME como criterio de decisión cuando las
cantidades de dinero involucrados son relativamente grandes, ya que las
curvas de utilidad de las personas y de las organizaciones no son lineales. La
advertencia sobre el uso del VME es que los resultados (los favorables y
desfavorables) con frecuencia tienen consecuencias indeseadas.
ELABORACIÓN DE PAN
EJEMPLO
La Panadería LEONARD prepara todos los días su famoso pan, éste se vende a $1.0 la
unidad cuando está recién hecho y cuesta $ 0.50 prepararlo. El pan que no se vende es
ofertado a $0.5 la unidad. Aun a ese precio la mitad del pan rematado no se llega a vender
y se pierde.
La panadería acostumbra vender de 3 a 6 docenas de pan por día, tiene información en
cuanto a estas demandas, cuantificados en términos probabilísticos. El problema de la
panadería es decidir cuantos panes preparar en un día típico.
Demanda/doc 3 4 5 6
Probabilidad 0.1 0.4 0.4 0.1
SOLUCIÓN:
✓ Estados de la naturaleza, demanda del pan de 3 a 6 docenas.
✓ Alternativas, la panadería acostumbra preparar de 3 a 6 docenas.
✓ Matriz de decisión: Utilidades.
15
𝑟(𝐴1, 𝜃1):
𝐼𝑛𝑔 = 1(3)(12) = 36
𝐶𝑜𝑠 = 0.5(3)(12) = 18
𝑈𝑡𝑖 = 36 − 18 = 18
𝑟(𝐴2, 𝜃1):
𝐼𝑛𝑔 = 1(3)(12) + 0.5(0.5)(12) = 36 + 3 = 39

𝐶𝑜𝑠 = 0.5(4)(12) = 24
𝑈𝑡𝑖 = 39 − 24 = 15
𝑟(𝐴3, 𝜃1):
𝐼𝑛𝑔 = 1(3)(12) + 0.5(1)(12) = 36 + 6 = 42
𝐶𝑜𝑠 = 0.5(5)(12) = 30
𝑈𝑡𝑖 = 42 − 30 = 12
𝑟(𝐴4, 𝜃1):
𝐼𝑛𝑔 = (1)(3)(12) + 0.5(1.5)(12) = 36 + 9 = 45
𝐶𝑜𝑠 = 0.5(6)(12) = 36
𝑈𝑡𝑖 = 45 − 36 = 9
Ai | θj θ1 = 3 θ2 = 4 θ3 = 5 θ4 = 6
A1 = 3 18 18 18 18
A2=4 15 24 24 24
A3= 5 12 21 30 30
A4=6 9 18 27 36
Teniendo además información probabilística, se utiliza el criterio del VME para hallar la mejor
alternativa. La tabla está en función de utilidades:
E {f(A1,θj)} = 18(0.1) + 18(0.4) + 18(0.4) + 18(0.1) = 18.0
E {f (A2, θj)} = 15(0.1) + 24(0.4) + 24(0.4) + 24(0.1) = 23.1
E {f (A3, θj)} = 12(0.1) + 21 (0.4) + 30 (0.4) + 30(0.1) = 24.6
E {f (A4, θj)} = 9(0.1) + 18(0.4) + 27(0.4) + 36(0.1) = 22.5
Luego:
Max E {f (Ai, θj)} = Max {18, 23.1, 24.6, 22.5} = 24.6
Se debe elegir la tercera alternativa, preparar 5 docenas de pan, con una utilidad esperada
de $24.6
16
1.1.1. PREFERENCIAS CON EL VALOR ESPERADO

Se intenta completar el análisis de las decisiones, incorporando los elementos teóricos
necesarios para dar validez al criterio del valor esperado. Considerando la
tipología de aversión al riesgo, esto conduce a una curva de utilidad:
Dónde:
✓ K: Capital disponible
✓ U (v): Utilidad de capital k
✓ Esta curva se ajusta a la expresión:
𝑌 = 𝑎 + 𝑏𝑋 + 𝑐𝑋 2
✓ Curva acotada y para c < 0
✓ U (k) = Y
✓ K=X
Entonces 𝑈(𝑘) = 𝑎 + 𝑏𝑘 𝑐𝑘 2
Conveniencias para alcanzar los objetivos:
1. En 1 a representa la distancia al origen en ambas fórmulas.
𝑈(𝑘) = 0 𝑝𝑎𝑟𝑎 𝑘 = 0
2. En 1 b determina la pendiente de la curva.
3. En 1 es necesario que c = -1.
Entonces: 𝑈(𝑘) = 𝑘 − 𝑘 2
Expresión para un decisor que posee aversión al riesgo. Debemos determinar el
valor esperado de 2;
𝐸{𝑈(𝑘)} = 𝐸(𝑘) − 𝐸(𝑘 2 )
Así el decisor ordenara sus preferencias conforme al valor esperado de sus
utilidades. Es decir, siendo k cada uno de los posibles capitales debemos ahora
aplicar a cada curso de acción de la matriz de pagos.
17
ELABORACION DEL PAN

EJEMPLO
Matriz de pagos: Utilidades

𝑨𝒊 \ 𝜽 𝜽𝟏 = 𝟑 𝜽𝟐 = 𝟒 𝜽𝟑 = 𝟓 𝜽𝟒 = 𝟔
A1 = 3 18 18 18 18
a2 = 4 15 24 24 24
a3 = 5 12 21 30 30
a4 = 6 9 18 27 36
Aplicando a cada alternativa la expresión:

𝐸{𝑈(𝑘)} = 𝐸(𝑘) − 𝐸(𝑘 2 )
Ilustrando para la alternativa: A2
𝒌 𝒑(𝒌) 𝒌𝒑(𝒌) 𝒌𝟐 𝒌𝟐 𝒑(𝒌)
15 0.1 1.5 225.0 22.5
24 0.4 9.6 576.0 230.4
24 0.4 9.6 576.0 230.4
24 0.1 2.4 576.0 57.6
Los valores obtenidos se ordenarán conforme el decisor prefiere al mayor valor esperado
siendo:
-306 > -517.8 > -536.4 > -616.2
A1 > A2 > A4 > A3
1.2 CRITERIO DE LA UTILIDAD ESPERADA
Utilidad: Es la transformación de los valores monetarios a una escala que refleja las
preferencias del tomador de decisiones. La utilidad puede ser usada para
racionalizar la inconsistencia que puede resultar al utilizar el valor monetario
esperado.
Si el decisor actúa con el propósito de satisfacer una serie de supuestos razonables
que son los axiomas del comportamiento racional, existe una función de utilidad del
decisor que elige como alternativa más apropiada a la que maximice la utilidad
esperada.
1.2.1 FUNCION DE UTILIDAD
Función numérica definida sobre los eventos donde el decisor elegirá y
asignará una probabilidad a cada evento de acuerdo a su preferencia. Por
tanto, la función de utilidad tiene que ser algo muy subjetivo y suficiente
flexible para adecuarse a las características personales del decisor.
µ: E -----> µ (E)
18
Dónde:
𝐸 = {𝑒1 𝑒2 … 𝑒𝑛 } 0 ≤ µ (E) ≤ 1
1.2.2. UTILIDAD ESPERADA
Es el promedio de las preferencias del decisor:
µ𝐿 = ∑ µ𝑗 𝑃𝑗 = ∑ µ (𝑒𝑗 )𝑃(𝑒𝑗 )
Dónde:
0 ≤ 𝑃( 𝑒𝑗 ) ≤ 1 𝑦 0 ≤ µ(𝑒𝑗 ) ≤ 1
El perfil de la curva de utilidad guarda una relación con la aversión,
indiferencia o propensión al riesgo de un decisor:
1.2.3 EVALUACIÓN SUBJETIVA DE LAS CONSECUENCIAS MONETARIAS

Las consecuencias monetarias pueden tener una utilidad diferente según el decisor y
la situación concreta de la que se trate. Los resultados monetarios obtenidos al
escoger una alternativa tal vez dependan:
❖ Del prestigio personal del decisor
❖ Del patrimonio financiero del decisor
❖ De la posibilidad de una bancarrota
❖ De la preferencia o aversión hacia el riesgo, etc.
1.2.4 LOTERIAS Y COMPORTAMIENTO RACIONAL

Podemos representar a la lotería como un experimento aleatorio cuyos resultados
se indican con el conjunto de eventos:
𝐸 = {𝑒1 𝑒2 … 𝑒𝑛 }
19
Donde la probabilidad subjetiva del decisor en cuanto a la ocurrencia del evento ej

está dado por:
Pj = P (ej) Donde ∑ Pj = 1
Supuestos:
1. No hay dos premios exactamente iguales
2. Los premios reflejan cierta preferencia del decisor
Una lotería se considera como un problema de decisiones donde la naturaleza es la

que toma la decisión. Denotamos una lotería de una sola etapa:
𝐿 = {(𝑃1 , 𝑒1 )(𝑃𝑒2, 𝑒2 ) … (𝑃𝑛 , 𝑒𝑛 )}

Donde Pj = P (ej)
Representación grafica
EJEMPLO
EJEMPLO
Representación gráfica de la lotería L1:

e1
0.30
L1 0.40 e2
0.30
e3
En términos de conjuntos
L1 = {(0.30, e1), (0.40, e2), (0.30, e3)}
20
1.2.5 LOTERIA DE DOS ETAPAS
Interpretamos esta lotería de dos etapas, como un problema de decisiones de dos

etapas en el que la naturaleza primero decide a que lotería Li de una sola etapa va
a parar el jugador y después el premio que obtiene, Proceso:
A. Dado el conjunto de eventos:
E = {e1, e2,…., en}
De la lotería:
Lk = {(P1, e1), (P2, e2),…. (Pj, ej)… (Pn, en)}
B. Suponiendo el resultado (Pj, ej) de la lotería Lk, si el decisor decide apostar por
segunda vez por un premio del conjunto E anterior:
E = {e1, e2,….. en}
Donde la lotería de segunda etapa es:
𝜏 = {(q1, L1), (q2, L2)…….. (qi, Li)… (q, m)}
C. Representación grafica
21
1.2.6 AXIOMAS DEL COMPORTAMIENTO RACIONAL
Una persona que toma decisiones racionales será aquella cuyo proceso lógico, para la toma
de decisiones satisfaga los axiomas:
1. Sean los eventos e1, e2. Se dan las posibilidades:

a. ei > ej ei es preferible a ej
b. ej > ei ej es preferible a ei
c. ej ~ ei es indiferente al decisor
d. Si ei > ej y ej > ek ei > ek
2. A un decisor racional le es indiferente una lotería 𝜏 de dos etapas y una lotería L de

una segunda etapa
3. Para cada evento ej ∈ E diferente de e1 y en le es indiferente a un decisor racional

tener ej con certeza y jugar en un aloteria que tiene solo dos premios: el premos mas
favorable (e1) y menos favorable (en) es decir:
L (ej) = {(uj, e1), (1-uj, en)}
4. A un decisor le es indiferente una lotería de una sola etapa L del tipo 𝜏, donde:
𝜏 = {(p1, L1),(p2, L2),.. (pn, Lm)}
5. Sean dos loterías elementales, de una sola etapa L1, L2. Un decisor puede considerar
las posibilidades del axioma 1 para loterías.
1.2.7 MODELO DEL COMPORTAMIENTO RACIONAL

Utilidad: Relacionando los axiomas del comportamiento racional con el problema de
determinar la función de utilidad del decisor:
1. Sea el conjunto de eventos Ej.
Ej = {e1, e2,. . . en}

2. Si Ej. Es representativo de cualquier lotería, de modo que el premio que se obtenga, será
uno y solamente uno.
3. Los eventos de Ej. Son enumerados en orden de preferencia por el decisor racional talque.
e1: Evento de mayor preferencia
en: Evento de menor preferencia
4. Para cada evento ej, j=2,3,4,…k,…,n-1 el decisor considera lo siguiente:

L (ej) = {(µj, e1), (1 − 𝜇𝑗, 𝑒𝑛)}
Dónde: e1: Premio más favorable
En: Premio menos favorable
Probabilidad u dado por el decisor para ganar el premio e1, en la lotería L(ej) para que
considere con indiferencia las ofertas de jugar a esa lotería y la de recibir con certeza el
premio ej
22
5. Sea uj =u para cada premio ej del conjunto Ej. Donde j = 2, 3, …, n-1
6. Valor de uj 0 ≤ uj ≤ 1
7. Asociemos el número u1 =1 con el premio e1 de mayor preferencia, y el numero un = 0
con el premio en de menor preferencia.
DECISION DE CONTRATOS
EJEMPLO
El dueño de un pequeño negocio trata de decidir cuál de los dos contratos, que le han ofrecido
debe aceptar ya que sus recursos le impiden considerar los dos, o ninguno de los dos. Existe
cierto grado de incertidumbre acerca de los resultados finales, el negociante da las posibles
consecuencias de cada contrato, asociando a cada evento una probabilidad subjetiva. Las
consecuencias dados en ganancias o pérdidas y sus probabilidades de ocurrencias son:
CONTRATO A CONTRATO B
Resultados Probabilidad Resultados Probabilidad
50,000 0.6 40,000 0.5
20,000 0.1 30,000 0.35
-20,000 0.3 -10,000 0.15
SOLUCIÓN:
Expresando estos eventos en términos de lotería
✓ Para A: La = {(0.6, 50,000), (0.1, 20,000), (0.3, -20,000)}

✓ Para B: Lb = {(0.5, 40,000), (0.35, 30,000), (0.15, -10,000)}
✓ Ningún contrato: Lc = {1,0}
Las tres loterías lo expresamos en una sola lotería donde el conjunto E se ordenan en una
secuencia de preferencias:
✓ E = {50,000; 40,000; 30,000; 20,000; 0; -10,000; -20,000}
Identificando los eventos:

✓ e1: 50,000 el más favorable
✓ e7: -20,000 el menos favorable
Asociando los índices de utilidad a los siguientes premios

✓ u(e1) = 1 de mayor preferencia
✓ u(e7) = 0 de menor preferencia
Formulando la lotería de preferencia:

✓ L = {(u(e1), e1), (1-u(e1), e7)} donde u1 = u(e1) =1
Ahora, el conjunto de premios se reduce
23
E1 = {40.000; 30,000; 20,000; 0; -10,000}
¿Qué valor le da el negociante a u tal que lo haga indiferente entre recibir con certeza el
premio de 40,000 de E1 o elegir la lotería de referencia?
Es decir
40,000
1.0
50,000
u
1-u
20,000
El índice de utilidad para e = 40,000 es: u (40,000) = 0.98

Siendo el conjunto de premios:
E2 = {30,000; 20,000; 0; -10,000}
La misma pregunta anterior para 30,000

30,000
1.0
50,000
u
1-u
-20,000
Índice de utilidad:
u(30,000) = 0.95
Realizando el mismo procedimiento para los demás

u(20,000) = 0.85 u(0.0) = 0.65 u(-10,000) = 0.40
Siendo la funciona de utilidad:
ej 50,000 40,000 30,000 20,000 0 -10,000 -20,000

u(ej) 1.0 0.98 0.95 0.85 0.60 0.40 0.0
Graficando el comportamiento del negociante:
24
u(ej)
1.0
ej
-20 -10 0 10 20 30 40 50
Calculando la utilidad esperada, asociado a cada alternativa:
✓ ua = 1(0.6) + 0.85 (0.1) + 0.0(0.3) = 0.685

✓ ub = 0.98 (0.5) + 0.95(0.35) + 0.4(0.15) = 0.883
✓ uc = 0.6 (1) = 0.6
Donde la máxima utilidad es:
✓ Max {0.685, 0.883, 0.6} = 0.883
Se debe elegir la alternativa B.
1.3 ARBOL DE DECISION
Técnica que grafica el grado del riesgo involucrado en una decisión y expresa el
orden cronológico de las acciones alternas de que dispone quien toma decisiones.
Cualquier situación decisiva se puede describir mediante el árbol de decisión, de una
sola etapa.
Un árbol de decisión se compone de:
1. Alternativa de decisión; en cada punto de decisión

2. Eventos; Ocurren como resultado de cada alternativa de decisión
3. Probabilidades; De que ocurran los eventos (estados de la naturaleza)
posibles como resultado de las decisiones.
4. Resultados, (Expresados en términos económicos) de las posibles como
resultados de las decisiones.
Un árbol de decisiones se estructura enlazando nodos y ramas:

▪ En el árbol todos los eventos y alternativas están representados por líneas o
ramas que emanan de una intersección llamado nodo
25
▪ Un nodo de decisión representa el punto donde debe decidirse en elegir una

alternativa se representa por un cuadrado
▪ Un nodo probabilístico representa situaciones donde se da la incertidumbre en
cuanto a la realización de los estados de la naturaleza. Se representa por un
circulo
La solución de situaciones de decisiones, utilizando el árbol de decisión contempla dos

etapas: Diseño, Análisis. El Diseño se hace cronológicamente de izquierda a derecha
y el Análisis en sentido contrario.
1.3.1. EVALUACION DEL ARBOL DE DECISION

A este procedimiento se denomina, podar el árbol. Una vez simplificado, debe
calificarse las probabilidades de los estados y evaluarse el árbol de la siguiente
manera:
1. Anotar la probabilidad de cada evento en la rama del árbol
2. Avanzando de derecha a izquierda asignar un resultado o resultado
esperado a cada nodo. Cuando una sola rama sale de un nodo, el
resultado se coloca en el nodo.
3. Al evaluar un nodo de probabilidad con dos o más ramas se calcula el
valor esperado y se escribe en el nodo
4. Al evaluar un nodo de decisión con dos o más ramas se asigna el mayor
o menor de los resultados esperados en el nodo.
5. Continuar el procedimiento hasta obtener resultados para el nodo inicial.
CASO PROTRAC
EJEMPLO
Se acaba de completar la fase de diseño y prueba del producto para la línea de tractores
de casa y jardín de la PROTRAC. La administración desea elegir la alternativa adecuada
que se usara en la comercialización y producción de estos artículos. Se tiene tres alternativas:
1. AGRESIVA(A): Gran inversión para un producto eficiente, se tendrá grandes inventarios,
gran campaña de publicidad a nivel nacional.
2. BASICA (B): La producción del tractor E-4 se mudará a otra localidad, este producto sufrirá
cambios,
Se tendrá inventario de los ítems más populares. Las oficinas principales apoyaran la
publicidad local.
26
3. CAUTELOSA(C)
La capacidad excedente de varias líneas de E-4, se usará para producir los nuevos
implementos. La producción se equipará para satisfacer la demanda y la publicidad quedará
a discreción del distribuidor.
La administración decide clasificar la condición del mercado en fuerte (F) y débil (D), las
consecuencias en la matriz de pagos representan ganancias expresados en millones de
dólares. Se obtuvieron mediante un estudio de ventas asociados con cada combinación de
alternativa y estado de la naturaleza.
Ai\ɵj F D
A: Agresivo 30 -8
B: Básico 20 7
C: Cauteloso 5 15
Probabilidad 0.45 0.55
SOLUCIÓN:
Utilizando el criterio del VME. Los Pagos están expresados en ganancias
MAX E { f (Ai,ɵj)}
Calculando:
E {f (Ai, ɵj)} = 30(0.45) - 8(0.55) = 9.10
E {f (Ai, ɵj)} = 20(0.45) + 7(0.55) = 12.85
E {f (Ai, ɵj)} = 5(0.45) 15(0.55) = 10.50
La alternativa a elegir es la básica con $ 12.85 de ganancia.
ARBOL DE DECISIONES
1. DISEÑO:
El nodo inicial 1 es un evento en el que debemos elegir, por las alternativas, A, B, C.
Cada ramo A, B, y C terminan en los eventos probabilísticos, 2, 3 y 4 respectivamente.
En cada nodo 2, 3, y 4 puede ocurrir un estado de la naturaleza F o D.
27
2. ANALISIS
Es elegir la mejor alternativa
E(A)=30(0.45)-8(0.55)= 9.10
E(B)=20(0.45)+7(0.55)= 12.85
E(c)=5(0.45)+15(0.55)= 10.50
Evaluando los resultados:
La matriz de pagos esta expresado en utilidades

Max {E (Ai)} = Max {9.10, 12.85, 10.50} = 12.85
La mejor alternativa es la B con $12.85 millones de ganancia
2 CRITERIOS PARA SITUACIONES DE INCERTIDUMBRE

La toma de decisiones en condiciones de incertidumbre completa significa que se
28
desconocen las probabilidades de ocurrencia de los diversos estados de la

naturaleza. El carácter de incertidumbre se asocia con el hecho de que se es capaz
de estimar o calcular las probabilidades de que se produzcan cada uno de los estados
de la naturaleza.
Los criterios de decisión que se emplean cuando predominan estas condiciones de
incertidumbre, reflejan los valores personales. El decisor se enfrenta a situaciones que
pocas veces sucedieron y en su afán de cuantificar esta incertidumbre, adopta una
actitud intermedia entre el pesimismo y el optimismo o algún otro criterio más
conveniente, de acuerdo al nivel de aspiración del decisor.
2.1 CRITERIO DE MAXIMIN (WALD)
El decisor determina el peor estado posible de cada alternativa y luego escoge
la alternativa cuya contingencia más desagradable sea la menos desastrosa. Es
decir, elegir lo mejor de lo peor.
Maxi min ij r ( Ai ,  j )
El criterio supone que la naturaleza es malévola y trata de hacer el mayor daño

posible al oponente (decisor), no siendo la naturaleza por lo general así. Un
inconveniente de este procedimiento es que no toma en cuenta la mayor parte de
la información de la matriz de pagos, porque considera los peores resultados de
cada alternativa.
DECISIÓN DE ADQUIRIR UNA MÁQUINA

EJEMPLO
El gerente de una empresa está considerando expandir o no la capacidad de la fábrica,

comprando una o dos máquinas. Una de las cuales tiene el doble de capacidad y de precio.
La capacidad existente de la fábrica no es suficiente para satisfacer la demanda actual.
Las ventas por experiencia tienen una alta correlación con las condiciones económicas del
país.
A: Si las condiciones económicas mejoran en el futuro, la máquina de alta capacidad se
requerirá.
B: Si las condiciones permanecen estables, la máquina de baja capacidad será la
adecuada.
C: Si está a la vista una recesión, la capacidad actual bastará.
Se tiene la matriz de pagos, que considera el gerente en términos de ganancias (millones
de soles):
29
Ai/𝜽 𝜽𝟏 𝜽𝟑 𝜽𝟐
A1 2.5 -1.0 1.5
A2 1.6 0.0 2.0
A3 1.2 0.8 1.2
SOLUCIÓN:
Alternativas:
▪ A1: Comprar máquina de alta capacidad
▪ A2: Comprar máquina de baja capacidad
▪ A3: No comprar ninguna máquina
Estados de la naturaleza
▪ 𝜃1: Prosperidad
▪ 𝜃2: Estabilidad
▪ 𝜃3: Recesión
Del ejemplo, calculando:
𝑀𝑖𝑛𝑗 {𝑟𝐴𝑖 𝜃𝑗 } Para i = 1, 2, 3…
{𝑟𝐴𝑖 𝜃𝑗 } = −1 {𝑟𝐴2 𝜃𝑗 } = 0.0 {𝑟𝐴3 𝜃𝑗 } = 0.8

Luego:
Maximin {-1.0, 0.0, 0.8} = 0.8
Elegir la alternativa 𝐴3
2.2. CRITERIO DEL COEFICIENTE DE OPTIMISMO (HURTWITZ)

En lugar de ser completamente pesimista o completamente optimista, el decisor puede
tener una actitud intermedia. Para acomodar esta posibilidad Hurtwitz propone una
medida llamada COEFICIENTE DE OPTIMISMO C que varía en valor 0 para un
pesimismo completo y 1 para un optimismo completo.
Si C = 0 la regla coincide con el maximin
Si C = 1 la regla coincide con el maximax
Si una persona es parcialmente optimista debe asignar pesos apropiados a los
resultados máximos y mínimos de cada acto. Este criterio es un promedio ponderado
de las reglas maximin y minimax. El valor de Hurtwitz se define:
𝐻(𝐴𝑖 ) = 𝑀𝑎𝑥{𝑀𝑎𝑥 𝑟𝑖𝑗 }𝐶 + 𝑀𝑖𝑛{𝑀𝑖𝑛 𝑟𝑖𝑗 }(1 − 𝐶)
30
Para nuestro ejemplo:

Calculando 𝑀𝑎𝑥 𝑟𝑖𝑗 y 𝑀𝑖𝑛 𝑟𝑖𝑗 para i = 1, 2, 3
𝑀𝑎𝑥 𝑟𝑖𝑗 2.5 2.0 1.2
𝑀𝑖𝑛 𝑟𝑖𝑗 -1.0 0.0 0.8

Si el decisor es cauteloso y pesimista asigna C = 0.25
𝐻(𝐴1 ) = 2.5(0.25) − 1.0(0.75) = −0.125
𝐻(𝐴2 ) = 2.0(0.25) + 0.0(0.75) = 0.500
𝐻(𝐴3 ) = 1.2(0.25) + 0.8(0.75) = 0.900
Luego 𝑀𝑎𝑥{−0.125, 0.500, 0.900} = 0.9
2.2. CRITERIO DE LAPLACE
Puesto que no se conoce las probabilidades de ocurrencia de los estados de la
naturaleza, se supone que las probabilidades de su realización son las mismas para
cada estado. Calculando el valor monetario esperado a cada alternativa y se escoge
la que tenga el valor monetario más elevado.
𝐸(𝐴𝑖 ) = ∑ 𝑟𝑖𝑗 𝑃𝑗 𝑖 = 1,2,3, … , 𝑚
Dónde: ∑ 𝑃𝑗 = 1 y 𝑃𝑗 equiprobables
Para nuestro ejemplo, calculando:
𝐸(𝐴1 ) = 2.5(0.333) + 1.5(0.333) + (−1.0)(0.333) = 0.999
𝐸(𝐴2 ) = 1.6(0.333) + 2.0(0.333) + (0.0)(0.333) = 1.198
𝐸(𝐴3 ) = 1.2(0.333) + 1.2(0.333) + (0.8)(0.333) = 1.065
Entonces 𝑀𝑎𝑥{0.999, 1.198, 1.065} = 1198
Elegir la alternativa 𝐴2
2.2. CRITERIO DE PÉRDIDA DE OPORTUNIDAD (SAVAGE)

La pérdida de oportunidad para cualquier resultado es la diferencia entre el pago
real y el que habría obtenido, si el acto óptimo hubiera escogido para el estado de
la naturaleza que fue obtenido. La pérdida de oportunidad para una alternativa 𝐴𝑖
y un estado particular  𝑗 está representado por:
𝑙 (𝐴𝑖 ,  𝑗 ) = 𝑟 (𝐴∗ ,  𝑗 ) − 𝑟 (𝐴𝑖 ,  𝑗 )𝑖 = 1, 2, 3, … , 𝑚 𝑗 = 1, 2, 3, … , 𝑛 
31
Dónde: 𝐴∗ : Alternativa óptima para el estado  𝑗

La nueva matriz de consistencias, aplicar criterio de:
𝑀𝑖𝑛𝑖𝑚𝑎𝑥𝑖𝑗 = { 𝑙 (𝐴𝑖 ,  𝑗 )}
Este criterio (de lamentación) es la diferencia entre pago realmente recibido y el que
podría haber recibido el decisor, si hubiera conocido por anticipado qué estado de
la naturaleza prevalece.
𝑨𝒊 \ 𝜽𝒋 𝜽𝟏 𝜽𝟐 𝜽𝟑 𝑴𝒂𝒙 𝒓(𝑨𝒊 , 𝜽𝒋 )
𝑨𝒊 0.0 0.5 1.8 1.8
𝑨𝒊 0.9 0.0 0.8 0.9
𝑨𝒊 1.3 0.8 0.0 1.3
𝑀𝑖𝑛𝑖𝑚𝑎𝑥 {1.8, 0.9, 1.3} = 0.9
32
EJERCICIOS
VII
1. La compañía Rente un volk’s, S.A., le renta sus vehículos al público a razón de 90
pesos por día; la duración de cada contrato es exactamente un día.
A su vez, el gerente de esta compañía alquila sus unidades a una empresa mayorista,
llamada la organización, S.A. El mayorista es el cubre los costos de mantenimiento de
cada unidad alquilada de Rente un volk’s, S.A.
El gerente de Rente un volk’s, S.A. se enfrenta diariamente con el problema de decidir
cuántos vehículos debe alquilar para atender la demanda de la semana próxima. Si
la demanda es menor que el número de unidades disponibles, el gerente pierde el
alquiler de 60 pesos por cada unidad alquilada y que no rentó. Si la demanda es
mayor que el número de unidades disponibles, el gerente se priva de una ganancia
de 30 pesos por unidad que no tuvo disponible.
El gerente de Rente un volk’s, S.A. dispone de la distribución de probabilidades para
la demanda aleatoria diaria de sus vehículos:
D 8 9 10 11 12 13 14
P(D) .11 .16 .26 .22 .13 .08 .04
Haciendo los supuestos necesarios, se pide esta información:

a) Establezca la matriz de los beneficios condicionales.
b) Calcule el beneficio esperado de cada estrategia.
c) Determine la estrategia más conveniente por medio del uso del criterio VME
SOLUCIÓN:
a) MATRIZ DE BENEFICIOS CONDICIONALES.
Alternativas factibles:
✓ A1: Alquílense 8 unidades
33
Estados de la naturaleza
Cursos de acción P(D)=.11 P(D)=.16 P(D)=.26 P(D)=.22 P(D)=.13 P(D)=.08 P(D)=.04
D=8 D=9 D=10 D=11 D=12 D=13 D=14

A1= Alquílense 8 240 240 240 240 240 240 240
A2= Alquílense 9 180 270 270 270 270 270 270
A3= Alquílense 10 120 210 300 300 300 300 300
A4= Alquílense 11 60 150 240 330 330 330 330
A5= Alquílense 12 0 90 180 270 360 360 360
A6= Alquílense 13 -60 30 120 210 300 390 390
A7= Alquílense 14 -120 -30 60 150 240 330 420
b) BENEFICIO ESPERADO ARA CADA ESTRATEGIA.

▪ A1 = Alquílense 8 unidades.
E(X)= 240(.11)+ 240(.16)+ 240(.26)+ 240(.22)+ 240(.13)+ 240(.08)+ 240(.04) =
240 pesos.
▪ A2= Alquílense 9 unidades.
E(X)= 180(.11)+ 270(.16)+ 270(.26)+ 270(.22)+ 270(.13)+ 270(.08)+ 270(.04) =
260.1 pesos.
E(X)= 120(.11)+ 210(.16)+ 300(.26)+ 300(.22)+ 300(.13)+ 300(.08)+ 300(.04) =
265.8 pesos.
E(X)= 60(.11)+ 150(.16)+ 240(.26)+ 330(.22)+ 330(.13)+ 330(.08)+ 330(.04) =
248.1 pesos.
E(X)= 0(.11)+ 90(.16)+ 180(.26)+ 270(.22)+ 360(.13)+ 360(.08)+ 360(.04) =
210.6 pesos.
E(X)= -60(.11)+ 30(.16)+ 120(.26)+ 210(.22)+ 300(.13)+ 390(.08)+ 390(.04) =
161.4 pesos.
E(X)= -120(.11)+ (-30) x (.16)+ 60(.26)+ 150(.22)+ 240(.13)+ 330(.08)+ 420(.04)
= 105 pesos.
34
c) ESTRATEGIA MÁS CONVENIENTE POR MEDIO DEL USO DEL CRITERIO VME
Estrategias Beneficios Esperados

A1 = Alquílense 8 240
A2= Alquílense 9 260.1
A7= Alquílense 14 105
Según el criterio VME el gerente debe alquilar 10 unidades porque es la estrategia que le
proporciona el beneficio esperado más alto, o sea un beneficio esperado de 265.8 pesos.
2. Cierto tipo de focos para linternas se recibe empacado en lote de 10 unidades. En

cada lote, el número de focos defectuoso puede variar de 0 a 10 inclusive. Se dispone
de la siguiente distribución de probabilidades asociadas con el número de focos
defectuosos:
X 0 1 2 3 4 5 6 7 8 9 10
p(X) 0.20 0.24 0.21 0.14 0.09 0.05 0.03 0.02 0.01 0.01 0
El comprador tiene estas alternativas:

A1: Comprar todos los focos sin inspeccionar el lote;
A2: Revisar el lote a un costo fijo de 20 pesos y devolverlo si los focos defectuosos
son tan numerosos que impiden obtener una ganancia con la venta del lote;
A3: Devolverle el lote al productor y perder entonces 10 pesos por cada lote devuelto.
Como el precio del lote es de 100 pesos, se recibe un crédito neto de noventa pesos
por cada lote devuelto.
Los focos se venden al público a razón de 15 pesos cada uno, y se extiende una
garantía adicional con la promesa de devolver 30 pesos al cliente por cada foco
defectuoso devuelto. Se pide:
a) Que se establezca la matriz de decisiones
b) Que se determine la estrategia más conveniente por medio del criterio del VME.
35
SOLUCIÓN:
X 0 1 2 3 4 5 6 7 8 9 10
p(X) 0.20 0.24 0.21 0.14 0.09 0.05 0.03 0.02 0.01 0.01 0
Costo fijo: 20 pesos

Perder: 10 pesos / por lote devuelto
Costo del lote: 100 pesos
• Los focos se venden : 15 pesos / cada uno
• Devolver : 30 pesos / por cada foco
r(Ai,pj)= 0(0)(20)+15(0)(20)=0 r(Ai,pj)= 6(20)(10)+0(20)(15)=1200
r(Ai,pj)= 1(20)(10)+0(20)(15)=200 r(Ai,pj)= 6(20)(10)+1(20)(15)=1500
r(Ai,pj)= 1(20)(10)+1(20)(15)=500 r(Ai,pj)= 6(20)(10)+2(20)(15)=1800
r(Ai,pj)= 2(20)(10)+0(20)(15)=400 r(Ai,pj)= 6(20)(10)+3(20)(15)=2100
r(Ai,pj)= 2(20)(10)+1(20)(15)=700 r(Ai,pj)= 6(20)(10)+4(20)(15)=2400
r(Ai,pj)= 2(20)(10)+2(20)(15)=1000 r(Ai,pj)= 6(20)(10)+5(20)(15)=2700
r(Ai,pj)= 3(20)(10)+0(20)(15)=600 r(Ai,pj)= 7(20)(10)+0(20)(15)=1400
r(Ai,pj)= 3(20)(10)+1(20)(15)=900 r(Ai,pj)= 7(20)(10)+1(20)(15)=1700
r(Ai,pj)= 3(20)(10)+2(20)(15)=1200 r(Ai,pj)= 7(20)(10)+2(20)(15)=2000
r(Ai,pj)= 3(20)(10)+3(20)(15)=1500 r(Ai,pj)= 7(20)(10)+3(20)(15)=2300
r(Ai,pj)= 4(20)(10)+0(20)(15)=800 r(Ai,pj)= 7(20)(10)+4(20)(15)=2600
r(Ai,pj)= 4(20)(10)+1(20)(15)=1100 r(Ai,pj)= 7(20)(10)+5(20)(15)=2900
r(Ai,pj)= 4(20)(10)+2(20)(15)=1400 r(Ai,pj)= 7(20)(10)+6(20)(15)=3200
r(Ai,pj)= 4(20)(10)+3(20)(15)=1700 r(Ai,pj)= 7(20)(10)+7(20)(15)=3500
r(Ai,pj)= 4(20)(10)+4(20)(15)=2000 r(Ai,pj)= 8(20)(10)+0(20)(15)=1600
r(Ai,pj)= 5(20)(10)+0(20)(15)=1000 r(Ai,pj)= 8(20)(10)+1(20)(15)=1900
r(Ai,pj)= 5(20)(10)+1(20)(15)=1300 r(Ai,pj)= 8(20)(10)+2(20)(15)=2200
r(Ai,pj)= 5(20)(10)+2(20)(15)=1600 r(Ai,pj)= 8(20)(10)+3(20)(15)=2500
r(Ai,pj)= 5(20)(10)+3(20)(15)=1900 r(Ai,pj)= 8(20)(10)+4(20)(15)=2800
r(Ai,pj)= 5(20)(10)+4(20)(15)=2200 r(Ai,pj)= 8(20)(10)+5(20)(15)=3100
r(Ai,pj)= 5(20)(10)+5(20)(15)=2500 r(Ai,pj)= 8(20)(10)+6(20)(15)=3400
36
r(Ai,pj)= 8(20)(10)+7(20)(15)=3700
r(Ai,pj)= 8(20)(10)+8(20)(15)=4000
r(Ai,pj)= 9(20)(10)+0(20)(15)=1800
r(Ai,pj)= 9(20)(10)+1(20)(15)=2100
r(Ai,pj)= 9(20)(10)+2(20)(15)=2400
r(Ai,pj)= 9(20)(10)+3(20)(15)=2700
r(Ai,pj)= 9(20)(10)+4(20)(15)=3000
r(Ai,pj)= 9(20)(10)+5(20)(15)=3300
r(Ai,pj)= 9(20)(10)+6(20)(15)=3600
r(Ai,pj)= 9(20)(10)+7(20)(15)=3900
r(Ai,pj)= 9(20)(10)+8(20)(15)=4200
r(Ai,pj)= 9(20)(10)+9(20)(15)=4500
r(Ai,pj)= 10(20)(10)+0(20)(15)=2000
r(Ai,pj)= 10(20)(10)+0(20)(15)=2300
r(Ai,pj)= 10(20)(10)+0(20)(15)=2600
r(Ai,pj)= 10(20)(10)+0(20)(15)=2900
r(Ai,pj)= 10(20)(10)+0(20)(15)=3200
r(Ai,pj)= 10(20)(10)+0(20)(15)=3500
r(Ai,pj)= 10(20)(10)+0(20)(15)=3800
r(Ai,pj)= 10(20)(10)+0(20)(15)=4100
r(Ai,pj)= 10(20)(10)+0(20)(15)=4400
r(Ai,pj)= 10(20)(10)+0(20)(15)=4700
r(Ai,pj)= 10(20)(10)+0(20)(15)=5000
37
a) Matriz de Decisiones
Ai/ Pj 0 1 2 3 4 5 6 7 8 9 10
0 0 0 0 0 0 0 0 0 0 0 0
1 200 500 500 500 500 500 500 500 500 500 500
2 400 700 1000 1000 1000 1000 1000 1000 1000 1000 1000
3 600 900 1200 1500 1500 1500 1500 1500 1500 1500 1500
4 800 1100 1400 1700 2000 2000 2000 2000 2000 2000 2000
5 1000 1300 1600 1900 2200 2500 2500 2500 2500 2500 2500
6 1200 1500 1800 2100 2400 2700 2700 2700 2700 2700 2700
7 1400 1700 2000 2300 2600 2900 3200 3500 3500 3500 3500
8 1600 1900 2200 2500 2800 3100 3400 3700 4000 4000 4000
9 1800 2100 2400 2700 3000 3300 3600 3900 4200 4500 4500
10 2000 2300 2600 2900 3200 3500 3800 4100 4400 4700 5000
B) LA MEJOR ALTERNATIVA USANDO EL CRITERIO DEL VME

✓ P0=
0*0.20+0*0.24+0*0.21+0*0.14+0*0.9+0*0.5+0*0.3+0*0.2+0*0.01+0*0.0
1+*0*0 = 0
✓ P1=200*0.20+500*0.24+500*0.21+500*0.14+500*0.9+500*0.5+500*0.3+
500*0.2+500*0.01+500*0.01+*500*0 =1295
✓ P2=400*0.20+700*0.24+1000*0.21+1000*0.14+1000*0.9+1000*0.5+100
0*0.3+1000*0.2+1000*0.01+1000*0.01+1000*0= 2518
✓ P3=600*0.20+900*0.24+1200*0.21+1500*0.14+1500*0.9+1500*0.5+150
0*0.3+1500*0.2+1500*0.01+1500*0.01+1500*0= 3678
✓ P4=800*0.20+1100*0.24+1400*0.21+1700*0.14+1200*0.9+2000*0.5+20
00*0.3+2000*0.2+2000*0.01+2000*0.01+2000*0= 4076
✓ P5=1000*0.20+1300*0.24+1600*0.21+1900*0.14+2200*0.9+2500*0.5+2
500*0.3+2500*0.2+2500*0.01+2500*0.01+2500*0= 4519
✓ P6=1200*0.20+1500*0.24+1800*0.21+2100*0.14+2400*0.9+2700*0.5+2
700*0.3+2700*0.2+2700*0.01+2700*0.01+2700*0= 6186
✓ P7=1400*0.20+1700*0.24+2000*0.21+2300*0.14+2600*0.9+2900*0.5+3
200*0.3+3500*0.2+3500*0.01+3500*0.01+3500*0= 6950
✓ P8=1600*0.20+1900*0.24+2200*0.21+2500*0.14+2800*0.9+3100*0.5+3
400*0.3+3700*0.2+4000*0.01+4000*0.01+4000*0= 7498
38
✓ P9=1800*0.20+2100*0.24+2400*0.21+2700*0.14+3000*0.9+3300*0.5+3
600*0.3+3900*0.2+4200*0.01+4500*0.01+4500*0= 8043
✓ P10=2000*0.20+2300*0.24+2600*0.21+2900*0.14+3200*0.9+3500*0.5+
3800*0.3+4100*0.2+4400*0.01+4700*0.01+5000*0= 8585
Max E{ f(Ai, pj)} = Max {0 ; 1295 ; 2518 ; 3678 ; 4076 ; 4519 ; 6186 ; 6950 ; 7498 ;
8043 ; 8585 }
Max = {8585}
3. Cierto detallista tiene suficiente espacio sobre sus estantes para almacenar 4
productos que se descomponen fácilmente y, que si no se venden antes de las 24
horas se vuelven inservibles. El precio de compra unitario es de 25 pesos y el
precio unitario de venta es de 50 pesos. Conteste las preguntas siguientes, si se
ignoran los gastos fijos del detallista:
a) ¿Cuántas unidades debe almacenar el vendedor para maximizar su
beneficio neto esperado, si las probabilidades de la demanda para
0,1,2,3,4 unidades son, respectivamente:
.10; .30; .40; .10; .10?
b) Si no se sabe nada acerca de la demanda aleatoria para ese producto,
¿Cuántas unidades debería el detallista almacenar para minimizar las
posibles pérdidas monetarias?
SOLUCIÓN:
• Almacenar 4 productos
• No se venden antes 24 horas
• Precio de compra unitario = 25 pesos
• Precio unitario de venta = 50 pesos
A) MATRIZ DE UTILIDADES
0 1 2 3 4
0 0 0 0 0 0
1 25 75 75 75 75
2 50 100 150 150 150
3 75 125 175 225 225
4 100 150 200 250 300
Probabilidad 0.10 0.30 0.40 0.10 0.10
▪ 25*0 + 50*0 = 0 ▪ 25*3 + 50*1 = 125

▪ 25*1 + 50*0 = 25 ▪ 25*3 + 50*2 = 175
▪ 25*1 + 50*1 = 75 ▪ 25*3 + 50*3 = 225
▪ 25*2 + 50*0 = 50 ▪ 25*4 + 50*0 = 100
▪ 25*2 + 50*1 = 100 ▪ 25*4 + 50*1 = 150
▪ 25*2 + 50*2 = 150 ▪ 25*4 + 50*2 = 200
▪ 25*3 + 50*0 = 75 ▪ 25*4 + 50*3 = 250
39
▪ 25*4 + 50*4 = 300

Probabilidad de los productos:
E {0} = 0*0.10 + 0*0.30 + 0* 0.40 + 0*0.10 +0*0.10 = 0
E {1} = 25*0.10 + 75*0.30 + 75* 0.40 +75*0.10 +75*0.10 =70
E {2} = 50*0.10 +100*0.30 +100* 0.40 +100*0.10+100*0.10 =95
E {3} = 75*0.10 + 125*0.30 + 175* 0.40 +225*0.10 +225*0.10 =160
E {4} = 100*0.10 +150*0.30 + 200*0.40 + 250*0.10 +300*0.10 = 190
b) VME:
Max E {f (Ai, Ej)} = Max {0; 70; 95; 160; 190} = 190
Se puede almacenar 190 productos dentro del almacén.
4. Cierta organización comercial quiere construir una nueva fábrica en cierta

ciudad de la república. La alta gerencia tiene dos alternativas para elegir la
capacidad de la planta proyectada:
A1: Construir una fábrica con una capacidad de producción anual de 10,000
unidades del producto.
A2: Construir con una capacidad de 20,000 unidades.
La demanda futura para el producto considerado es aleatoria. El presidente del
Consejo de Administración asignó las siguientes probabilidades subjetivas a cuatro
niveles posibles de la demanda futura, después de haber consultado a sus
especialistas en mercadotecnia:
✓ E1: la demanda será de 5,000 unidades con P(E1) = .20
✓ E2: la demanda será de 10,000 unidades con P(E2)= .40
Por otra parte, el vicepresidente, encargado de las finanzas de esa empresa,
preparó la siguiente matriz de beneficios netos condicionales o pérdidas netas
condicionales, en millones de pesos:
Alternativas Estados naturales
posibles E1 E2 E3 E4
A1 -.20 .80 .80 .90
A2 -.35 .60 1.00 1.20
Supongamos que la producción obtenida puede exceder la capacidad instalada

de producción mediante el uso de tiempo extra y de otras consideraciones
similares.
Se pregunta: ¿De qué tamaño tiene que construirse la fábrica y por qué?
40
SOLUCIÓN:
A1: Construir una fábrica con una capacidad de producción anual de 10,000 unidades
del producto.
A2: Construir con una capacidad de 20,000 unidades.
Alternativas Estados naturales
posibles
E1 E2 E3 E4
A1 -.20 .80 .80 .90
A2 -.35 .60 1.00 1.20
Demanda 5000 10,000 20,000 30,000
A1= 5000(-0.20)+10,000(0.80)+20,000(0.80)+30,000(0.90)= 50,000

A2= 5000(-0.20) + 10,000(0.60)+ 20,000(1.00) + 30,000(1.20) = 61,000
La cantidad de producción anual sería de 20,000 unidades porque se tendría
ganancias de $61,000 en producción.
3.13.5.3 Suponga que usted se enfrenta a esta lotería:
L={(-200,.10),(400,.13),(200,.11),(0,.15), (-400,.16),(600,.18),(-
600,.17)}
a) Desarrolle su propia función de utilidad
u: E-- u(E)
Donde E= {e1, e2,…en} 0<=u (e)<=1
B) GRAFIQUE LA FUNCIÓN DE UTILIDAD ENCONTRADA EN (A)
Título del gráfico

300
200
100
0
-100 0,1 0,11 0,13 0,15
-200
-300
-400
-500
-600
-700
Indiferencia al riesgo
41
C) ¿CÓMO CARACTERIZA SU ACTITUD HACIA EL RIESGO?

Se caracteriza con la indiferencia al riesgo.
d) Justifique su respuesta al inciso (c)
La curva trazada en la gráfica determina la curva creciente con indiferencia al riesgo.
5. Cierto empresario, dueño de su negocio, se encuentra con esta situación de

decisiones:
Contrato A Contrato B
Resultados Probabilidades Resultados Probabilidades
$100,000 .35 $60,000 .30
$120,000 .30 $160,000 .50
-$20,000 .35 -$40,000 .20
Los recursos del empresario son limitados de tal manera que él no puede obtener
los dos contratos a la vez. Además, la función de utilidad del empresario es esta:
▪ u(160,000) = 1
▪ u(120,000) = .96
▪ u(100,000) = .94
▪ u(60,000) = .80
▪ u(0) = .60
▪ u(-20,000) = .30
▪ u(-40,000) = .06
Conteste estas preguntas:
a) Calcule la utilidad esperada de cada alternativa.
b) Usando el criterio de la utilidad esperada, diga cuál contrato debe
escoger el empresario.
c) ¿Tiene aversión por el riesgo ese empresario? Justifique su respuesta.
SOLUCIÓN:
Conteste estas preguntas:
a) Calcule la utilidad esperada de cada alternativa
Expresando los eventos en términos de lotería:
Contrato A:
La = {(0.35; 100,000); (0.30; 120,000); (0.35; -20,000)}
42
Contrato B:
Lb= {(0.30; 60,000); (0.50; 160,000); (0.20; -40,000)}
Ordenar en una secuencia de alternativas:
E = {160,000; 120,000; 100,000; 60,000; -20,000; -40,000}
A) E1= 100,000*0.35 + 120,000*0.30+ (-20,000)*0.35 = 64,000
B) E2= 60,000 * 0.30 + 160,000*0.50*(-40,000)*0.20 = 90,000

Los valores reducidos serían:
Contrato A = 64,000
Contrato B = 90,000
b) Usando el criterio de la utilidad esperada, diga cuál contrato debe escoger el
empresario.
Según la función de utilidad
Ej 160,000 120,000 100,000 60,000 0 -20,000 -40,000
u(Ej) 1 0.96 0.94 0.80 0.60 0.30 0.06
Calculando la utilidad esperada a cada alternativa

u1= 1(0.35) +0.96(0.30)+0.30(0.35) = 0.743
u2= 0.80 (0.30) + 0.50 (1) + 0.20 (0.06) = 0.752
c) ¿Tiene aversión por el riesgo ese empresario? Justifique su respuesta.
Máxima utilidad: Max {0.743; 0.752} = 0.752
El empresario tendría de utilidad máxima 0.752 - 75,2% de las ganancias y tendría
la utilidad, indiferencia al riesgo.
6. Sea la situación de decisiones siguiente:
Se tiene el conjunto de estados naturales, Ej tal que:

Ej = {E1, E2, E3}
En donde: E1 representa un nivel alto de ventas,
E2 representa un nivel medio de ventas,
E3 representa un nivel bajo de ventas,
También se conoce la siguiente distribución de probabilidades asociada con los
elementos del conjunto Ej:
43
Ej E1 E2 E3
p(Ej) .30 .60 .10
CURSOS ESTADOS NATURALES

DE
ACCIÓN E1 E2 E3
A1 5.000,000 3.000,000 800,000
A2 2.500,000 6.000,000 1.400,000
Considere usted el beneficio condicional como una variable aleatoria y calcule el

valor monetario esperado asociado con cada curso de acción.
SOLUCIÓN:
Criterio de valor monetario esperado
Para saber que alternativa escoger debemos hallar el valor monetario esperado de
cada alternativa, que para nuestro caso se viene expresado en la siguiente fórmula:
i=2
E(x) = ∑ Xi ∗ p(Xi )
i=1
E1 = 5.000,000*0.30 + 3.000,000*0.60 + 800,000*0.10 = 3.380,000

E2 = 2.500,000*0.30 + 6.000,000*0.60 + 1.400,000*0.10 = 4.490,000
Estrategias Beneficios esperados
A1 3.380,000
A2 4.490,000
Por lo tanto usando VME, obtenemos que la mejor estrategia a elegir sería la
alternativa A2 con un beneficio monetario S/. 4.490,000.
7. La vendedora Phyllis Pauley vende periódicos en la esquina de la avenida

Kirkwood y la calle Indiana, y todos los días debe determinar cuántos periódicos
pedir. Phyllis paga a la compañía $ 20 por cada ejemplar y los vende a $ 25
cada uno. Los periódicos que no se venden al terminar el día no tienen valor
alguno. Phyllis sabe que cada día puede vender entre 6 y 10 ejemplares, cada
uno con una posibilidad equiprobable. Demuestre cómo se ajusta este problema
en el modelo del estado del mundo.
44
SOLUCIÓN:
En este ejemplo, los elementos de S = {6,7, 8, 9, 10} son los valores posibles de la
demanda diaria de periódicos. Se sabe que p6 = p7 = p8 = p 9 = p10 =1/5 y. Phyllis
debe elegir una acción (el número de periódicos que debe ordenar cada día) de A = {6,
7, 8, 9, 10}. Si Phyllis compra i ejemplares y la demanda es de j, entonces se compran i
ejemplares a un costo de $ 20, y min (i, j) periódicos se venden a $ 25 cada uno.
Para un mejor análisis en la tabla se encuentran los premios para la vendedora de

periódicos.
Demanda
6 7 8 9 10
6 30 30 30 30 30
Pedidos
7 10 35 35 35 35
8 -10 15 40 40 40
9 -30 -5 20 45 45
10 -50 -25 0 25 50
Tabla 1
Ahora analizaremos los cuatro criterios que se pueden usar para elegir una acción.
a) CRITERIO MAXIMIN
El criterio maximin recomienda ordenar 6 periódicos. Con esto se asegura que Phyllis, sin
importar el estado del mundo, obtendrá una ganancia de por lo menos $ 30. El criterio
maximin tiene que ver con hacer lo más placentero que se pueda el peor resultado posible.
Infortunadamente, elegir una decisión para mitigar el peor caso podría evitar que quien
toma la decisión aproveche la buena fortuna. Por ejemplo, si Phyllis sigue el criterio
maximin, nunca obtendrá menos de $ 30, pero nunca hará más de $ 30.
De la tabla anterior seleccionamos de cada fila el menor de los valores y después de esos
seleccionados escogemos el mayor para lo que obtenemos:
Periódicos Peor estado Premio en el

ordenados peor estado
6 6,7,8,9,10 30 Mejor Peor
7 6 10
8 6 -10
9 6 -30
10 6 -50
45
b) CRITERIO MAXIMAX
El criterio maximax recomendaría ordenar 10 periódicos. En la mejor situación (cuando

la demanda sea de 10 ejemplares), esto produce una ganancia de 500. Por supuesto,
tomar una decisión de acuerdo con el criterio maximax deja a Phyllis expuesta a la
desastrosa posibilidad de que sólo se vendan 6 ejemplares, en cuyo caso pierde 500.
De la tabla 1 seleccionamos de cada fila el mayor de los valores y después de esos

seleccionados escogemos el mayor para lo que obtenemos:
Periódicos ordenados Situación que produce Premio en el

mejor resultado peor estado
6 6,7,8,9,10 30
7 7,8,9,10 35
8 8,9,10 40
9 9,10 45
10 10 50 Mejor
c) ARREPENTIMIENTO MINIMAX
El criterio maximax recomendaría ordenar 6 o 7 periódicos. En la tabla siguiente se

muestra la matriz de costo de oportunidad o de arrepentimiento.
Demanda
6 7 8 9 10
6 30 – 30 = 0 35 – 30 = 5 40 – 30 = 10 45 – 30 = 15 50 – 30 = 20
7 30 – 10 = 20 35 – 35 = 0 40 – 35 = 5 45 – 35 = 10 50 – 35 = 15
Pedidos
8 30 + 10 = 40 35 – 15 = 20 40 – 40 = 0 45 – 40 = 5 50 – 40 = 10
9 30 + 30 = 60 35 + 5 = 40 40 – 20 = 20 45 – 45 = 0 50 – 45 = 5
10 30 + 50 = 80 35 + 25 = 60 40 – 0 = 40 45 – 25 = 20 50 – 50 = 0
En la siguiente tabla se observan los datos de manera resumida de la tabla anterior.
Demanda
6 7 8 9 10
6 0 5 10 15 20
7 20 0 5 10 15
Pedido
8 40 20 0 5 10
9 60 40 20 0 5
10 80 60 40 20 0
Después de haber obtenido la tabla anterior seleccionamos de cada fila el valor

mayor para luego seleccionar el o los valores menores de todos los obtenidos.
Periódicos pedidos Arrepentimiento maximo

6 20
7 20
46
8 40
9 60
Menor 10 80
Mejor
d) CRITERIO DEL VALOR ESPERADO
El criterio del valor esperado recomendaría ordenar 6 o 7 periódicos, ver tabla 7. Para
calcular la recompensa esperada debemos sumar todos los datos de cada fila y
multiplicarlos uno a uno por la probabilidad de que ocurra en este caso 1/5 para después
seleccionar el o los mayores.
Periódicos perdidos Recompensa ordenada

6 (1/5)(30+30+30+30+30) = 30 Valor
7 (1/5)(10+35+35+35+35) = 30 Esperado
8 (1/5)(-10+15+40+40+40) = 25
9 (1/5)(-30-5+20+45+45) = 15
10 (1/5)(-50-25+0+25+50) = 0
8. Una empresa duda entre lanzar al mercado el producto A o el producto B. La

decisión dependerá de la reacción de la competencia. Si la competencia no se
adelanta, la empresa estima que ganara 15.000 euros con el producto A y
12.000 euros con el producto B. Si la competencia se adelanta, la empresa
ganaría 8.000 euros con el producto A y 9.000 euros con el producto B.
SOLUCIÓN:
Matriz de decisión
Bajo incertidumbre
1.- Criterio de WALD
Decisión: Según el criterio de WALD se recomienda lanzar el producto B al mercado.
47
2.- Criterio de LAPLACE
Decisión: Según el criterio de LAPLACE se recomienda lanzar el producto A al mercado.
9. Un empresario de espectáculos tiene que organizar un concierto y se le ofrecen

las opciones de hacerlo en el Pachencho Romero o en el Belisario Aponte. Los
beneficios van a depender de la asistencia del público y ésta a su vez del clima,
que puede ser con lluvia, con nubes o soleado. Los resultados esperados si lo
organiza en el Pachencho son 10.000, 50.000 y 65.000 Bs si el tiempo es lluvioso,
nublado o soleado respectivamente. Si el concierto se realiza en el Belisario, los
resultados serían 45.000, 40.000 y 35.000 Bs para cada estado climático.
SOLUCIÓN:
Se pide:
a) Configurar la matriz de decisión.
b) ¿Qué decisión debe tomar el empresario si utiliza el criterio de Laplace?
c) Realizar el método de Minimax y hacer una conclusión de ambos métodos.
Formula: Valor Esperado = P(n) * aij + P(n) * aij +… + P(n) * aij(n)

PRIMERO LA MATRIZ:
SOLO HACER EL CUADRO Y COLOCAR LOS DATOS DEL EJERCICIO
Sucesos 1 2 3
Investigados
Estados Lluvioso Nublado Soleado
Estrategias
Pachencho 10.000 50.000 65.000
Belisario 45.000 40.000 35.000
48
SEGUNDO LAPLACE:
SACAR LAS PROBABILIDADES EL 33,33 SALE DE 100/N DONDE N ES LA CAMTIDAD DE
ESTADOS COMO TENGO 3 SON 100/3 = 33.33 PARA SACARLO EN % ES 33.33 / 100 =
0.33.
Sucesos 1 2 3
Investigados
Probabilidades 33,33 % = > 0.33 33,33 % = > 0.33 33,33 % = > 0.33
Estrategias
Pachencho 10.000 50.000 65.000
Belisario 45.000 40.000 35.000
TERCERO:
APLICO LA FORMULA DE VALOR ESPERADO
Formula: Valor Esperado = P(n) * aij + P(n) * aij +… + P(n) * aij(n)
Valor Esperado para Pachencho: 0.33 * 10.000 + 0.33 * 50.000 + 0.33 * 65.000 =
41.250
Valor Esperado para Belisario: 0.33 * 45.000 + 0.33 * 40.000 + 0.33 * 35.000 =
39.600
JUSTIFICACIÓN: Teniendo en cuenta los datos de la matriz de decisión elaborada, la

opción más interesante utilizando el criterio de Laplace es la de realizar el concierto en
el Pachencho ya que el valor monetario esperado (41.250 Bs) es superior al valor de
realizar el concierto en el Belisario.
CUARTO MINIMAX:
AQUÍ SOLO DE LA MATRIZ ESCOJO LOS MINIMOS Y LUEGO DE LOS MINIMOS ESCOJO EL
MAXIMO
Sucesos 1 2 3 MINIMAX
Investigados
Estrategias
Pachencho 10.000 50.000 65.000 10.000
Belisario 45.000 40.000 35.000 35.000
49
10. Se quiere elegir la mejor opción para elegir la mejor opción de clientes que
toman una bebida…si suponemos Que el coeficiente de optimismo es de 0.7
Alternativas Demanda Demanda Demanda

alta Baja Media
Coca cola 290 200 215
Pepsi 450 100 380
Coca-cola y 250 200 220
Pepsi
SOLUCIÓN:
Formulas: T(x) = TO * MAX + TP* MIN
α:TO tp: 1-to
Solución:
Coca-Cola: 290*0,7 + 200* 0,3 = 263
Pepsi: 450*0,7+ 100* 0,3 = 345 - a elegir
Ambos: 250*0,7 + 200* 0,3 = 235
Según este criterio, la alternativa o la opción escogida x los usuarios es la Pepsi.
10. Pedro piensa apostar en el juego Indiana-Purdue, en finales de campeonato. Sin

tener más información, cree que ambos equipos tienen probabilidades desiguales
de ganar. Si gana la apuesta, ganará 10 000 dólares; si pierde, perderá 11 000
dólares. Antes de apostar puede pagar 1 000 dólares a Roberto por su
pronóstico. Roberto predice, el 60% de las veces, que Indiana gana, y 40% de
las veces que gana Purdue. Cuando Roberto dice que Indiana va a ganar, Indiana
tiene 70% de probabilidades de ganar, y cuando Roberto dice que Purdue va a
ganar, Indiana sólo tiene el 20% de probabilidades de ganar. Determinar cómo
puede Pedro aumentar sus utilidades totales esperadas al máximo. ¿Cuál es el
VEIM y el VEIP?
50
SOLUCIÓN:
Para calcular las cantidades que nos piden es necesario hacer los tres árboles de decisión
vistos; estos son:
1º- ÁRBOL PARA CALCULAR EL VALOR ESPERADO CON INFORMACIÓN ORIGINAL
(VECIO):
gana apuesta (0.5)

10.000
apuesta Indiana gana
-500
pierde apuesta (0,5) -11.000
-500
gana apuesta (0.5)
10.000
apuesta Purdue gana -500
pierde apuesta (0,5) -11.000
VECIO=-500$
2º- ÁRBOL PARA CALCULAR EL VALOR ESPERADO CON INFORMACIÓN MUESTRAL
(VECIM):
Indiana gana
10,000
Pedro apuest I. Gana
3700
Purdue gana -11,000
Roberto apuesta I.Gana(0,6)
3700
Indiana gana
-11,000
Pedro apuesta P. Gana
-4700
Purdue gana 10,000
4540
Indiana gana
10,000
Pedro apuest I. Gana
5800
Purdue gana -11,000
Roberto apuesta P.Gana(0,4) 5800
Indiana gana
-11,000
Pedro apuesta P. Gana
-6800
Purdue gana 10,000
VECIM=4.540$
VEDIM= VECIM - VECIO= 4.540-(-500)= 5.040$
Como esta cantidad es mayor que 1.000$, que es lo que le cobra Roberto, pide pronóstico
a Roberto.
51
3º- ÁRBOL PARA CALCULAR EL VALOR ESPERADO CON INFORMACIÓN PERFECTA

(VECIP):
apostar por Indiana

10.000
Indiana gana
10.000
apostar por Purdue -11.000
10.000
apostar por Indiana
-11.000
Purdue gana
10.000
apostar por Purdue 10.000
VECIP=10.000$
VEDIP=VECIP - VECIO=10.000-(-500)= 10.500$
52
II. PROGRAMACIÓN
PERT-CPM
TEMAS
 Programación Pert - Cpm ......................................................................54 Pág.

 El Grafo Pert – Cpm En La Planificación De Proyectos .............................58 Pág.
 Duración De Una Actividad ...................................................................76 Pág.
 Costos Y Duración Óptima De Un Proyecto En El Sistema Pert-Cpm ...... 101 Pág.
 Ejercicios Resueltos ............................................................................ 113 Pág.
53
I PROGRAMACIÓN PERT - CPM
Desde su aparición, las técnicas del camino critico han sufrido una acelerada evolución,
consecuencia de ello han aparecido diversos procedimientos en la soluciones, costos,
recursos, etc., procedimientos que han sido resumidos por Thomas V.Sobczak en la
Fig. 1.4
PERT/ COST
PERT II
AMPSWSPAC
SR
LESS FASE II
PERT LESS
MAN
SCHEDULING
PACT
TECHNIQUES
CRITICAL PATH
PLANNING SCANS FASE
SCANS
II
CPM CPM
COST
CPM
MANO DE
OBRA
CPM
RECURSOS
54
PERT= Program Evaluation and Review Technique.

CPM= Critical Path Method
RAMPS = Resource Allocation and Manpower Scheduling
LESS = Least Cost Estimating and Scheduling
PACT = Production Analysis Control Technique
SCANS = Scheduling, Control, and Automation by Network Systems.
Como cada una de las técnicas de dirección descritas presentan ventajas y limitaciones
en la planificación de proyectos, en la actualidad, tanto el PERT y el CPM, se les trata
como una sola técnica combinada, por tener ambas los mismos fundamentos: empleo
de una lógica secuencial y el uso de grafos para representar el desarrollo de un
proyecto; de esta forma se ha logrado ampliar y mejorar el campo de aplicaciones
en las gestiones administrativas.
Con el fin de alcanzar lograr los objetivos con éxito, la programación PERT- CPM,
básicamente se empleará en la planeación, programación y control de los problemas
de producción (fabricación) por unidades, donde lo más importante es la
determinación y control de la variable tiempo.
BASES DEL NUEVO METODO DE PLANEACIÓN, PROGRAMACIÓN Y CONTROL
El método Pert-Cpm está sustentado en las siguientes bases:
1.- Dentro de la planificación, considera separada la planeación y la programación.
2.- Descompone la etapa de la planeación en dos fases:
- Determinación de las actividades componentes para desarrollar el proyecto.
- Presenta la secuencia lógica de ejecución de las actividades componentes del
proyecto.
3.- Representación de un plan de trabajo mediante una gráfica de nudos y flechas.
4.- El método Pert considera la duración de una actividad como una variable aleatoria
y estimación de tres duraciones para cada actividad: optimista, más probable y
pesimista; mediante las cuales se ajusta a una distribución conveniente de densidad
de probabilidad para la duración de la actividad considerada.
5.- Analiza la forma de cómo aumenta el costo de una actividad al reducir su duración.
6.- Analiza los recursos requeridos para cada duración posible de cada actividad.
7.- Métodos pertinentes de la rama de las matemáticas conocidos con el nombre de
“Programación Lineal”.
8.- El método Pert se apoya en la estadística y el método Cpm en la experiencia.
55
FUNDAMENTO DE LA REPRESENTACIÓN GRAFICA DE UN PROYECTO.

Como ya hemos indicado, la Programación Pert-Cpm usa el grafo para representar
el desarrollo de un proyecto específico.
La finalidad de un grafo Pert-Cpm esquematizado, es representar la lógica del
proyecto entero y desarrollar los detalles del proyecto de acuerdo a las exigencias
y restricciones técnicas.
Fig.1.11 REPRESENTACIÓN DE UN PROYECTO MEDIANTE UNA RED DE ACTIVIDADES

(NUDO)
(NUDO) (FLECHA) (NUDO)
SUCESO ACTIVIDAD SUCESO

[Evento hecho [Tarea, Trabajo [Evento, Hecho,
Acontecimiento] + Operación, Proceso] + Acontecimiento]
Fig. 1.12 ELEMENTOS DEL GRAFO PERT- CPM
Las tareas, trabajos, operaciones o procesos son considerados como actividades.

Gráficamente cada actividad está compuesta de dos partes básicas
▪ La primera, la ejecución del trabajo, está representado por una flecha
orientada con sentido de izquierda a derecha.
o Se entiende que la actividad es un símbolo del trabajo en proceso de
ejecución, requiriendo para ello el consumo de tiempo y recursos.
56
▪ La segunda, son los sucesos y generalmente se representan con dos círculos,

elipses o rectángulos que se colocan en los extremos de las flechas.
o Un suceso es un instante específico del tiempo y sirve como punto de
control, describiendo el momento de comienzo o término de una actividad
y ello no consume tiempo.
o Algunas consideraciones para esquematizar el Grafo Pert-Cpm.
▪ El grafo comienza en un único suceso inicial y no tiene actividades que la

preceden.
▪ Una actividad no puede empezar hasta que todas las actividades precedentes
hayan sido terminadas.
▪ Una actividad debe estar terminada para que sus subsiguientes pueden
comenzar.
▪ La longitud de la flecha no representa cantidad de tiempo.
▪ La dirección de la flecha no tiene sentido vectorial, es solamente una proyección
del tiempo, como el tiempo es irreversible, la orientación de la flecha, es
siempre de izquierda a derecha.
▪ Tampoco es preciso que la flecha sea una línea recta, puede dibujarse en curva.
▪ El grafo termina en un único suceso final y no tiene actividades que la subsigan.
VENTAJAS QUE OFRECE LA TECNICA DE MALLAS PERT-CPM.
1° Es un método nuevo que se emplea en la planificación de proyectos.

2° Permite la planeación, programación y control de los recursos disponibles.
3° En forma clara muestra el plan para la realización de un proyecto específico.
4° Sirve de guía para el refinamiento de un proyecto.
5° Es un medio para evaluar estrategias o planes alternativos de acción.
6° Permite la simulación de las alternativas de operación.
7° Es un medio de evitar la omisión de actividades que pertenecen a un proyecto.
8° Es un medio de deslindar responsabilidades en la ejecución de las diferentes
actividades que intervienen en el proyecto.
9° Proporciona a la dirección las siguientes informaciones:
9°1 Qué trabajos serán necesarios primero y cuándo se deben de realizar los
problemas de financiación y los acopios de materiales.
9°2 Qué trabajos hay y cuántos serán requeridos en cada momento.
9°3 Cuál es la situación del proyecto que está en marcha en relación con la
fecha programada para su terminación.
9°4 Cuáles son las actividades críticas y cuánto tiempo de holgura permite si
hay demora.
9°5 Cuáles son las actividades no críticas y cuánto tiempo de holgura permite
si hay demora.
9°6 Si el proyecto está retrasado, dónde se puede reforzar la marcha para
contrarrestar la demora y qué costo produce.
9°7 Cómo es la planificación y programación de un proyecto con costo mínimo
y duración óptima.
10° Nos permite mejorar la capacidad de conducción y controlar el desarrollo del
proyecto debido a la correcta interpretación de los resultados.
10°1 Cómo evitar los “tiempos muertos” y “cuellos de botellas” en la
maquinarias y mano de obra.
10°2 Cómo coordinar eficientemente un cierto número de sub-contratistas.
10°3 Cómo hacer uso de horas extraordinarias en el momento adecuado.
57
10°4 Cómo conocer y disminuir las posibles perturbaciones del desarrollo del
proyecto.
EL GRAFO PERT – CPM EN LA

II
PLANIFICACIÓN DE
PROYECTOS
Como ya se ha visto, cada una de las actividades de un proyecto se representa
mediante flechas orientadas, las que se enlazan entre sí formando una malla o red y
cuyo sentido indica el desarrollo del proyecto a lo largo del tiempo.
2.1 MALLA O RED DE FLECHAS
Es la representación reticular de las actividades que comprenden la realización de un

proyecto específico.
La malla o red de flechas orientadas, sirve al programador para representar
gráficamente el desarrollo general de la Obra.
La técnica de “planificación por mallas” ordena todos los itinerarios de trabajo-
actividades, operaciones o procesos – cuyas terminaciones sucesivas son necesarias
para la realización del proyecto, de tal forma que su ordenación en el tiempo
corresponde a las necesidades técnicas planeadas de antemano.
Concretamente: Cada proyecto en particular, consta de una serie de actividades de

distintas naturalezas, donde algunas dependen unas de otras y otras que son
independientes.
ELEMENTOS DE UNA MALLA
El elemento básico del grafo PERT-CPM es la flecha, que comienza y finaliza en nudos,
los cuales representan los sucesos de inicio y terminación de la actividad a la que
representa.
a) Nudo flecha Nudo
b) Suceso o actividad suceso
c) Suceso inicia la actividad Suceso final
58
d) i Aij j
Fig. II1: Representación de un elemento de una malla Pert- Cpm

Con el propósito de facilitar la identificación y cálculos en la red y evitar confusiones,
toda actividad llevará un nombre y todo suceso un número.
TIEMPO DE PREPARACION (TP) Y RESTRICCIONES EXTERNAS

Generalmente en los modelos de red para proyectos, hay un tiempo de preparación
antes de la etapa de ejecución del mismo. En este tiempo se realiza una serie de
actividades restrictivas que condicionan la puesta en marcha del proyecto y entre las
que se mencionan:
✓ Gestiones para obtener autorizaciones y licencias.
✓ Gestiones financieras
✓ Espera de la última decisión para lanzar el proyecto.
✓ Mejora de las condiciones ambientales.
El tiempo de preparación (TP) se representa con una flecha de línea sinuosa (  ) con
tiempo de duración cero. Fig II.2.
En el diagrama se interpreta: el suceso O marca la iniciación del proyecto y el suceso

1 marca la iniciación de la ejecución física del proyecto.
ACTIVIDADES FICTICIAS (FIC)

La correcta enumeración de los sucesos, permite identificar las diferentes actividades
mediante los sucesos de inicio (i) y de terminación (j). Para que cada actividad pueda
ser identificada por una combinación única de sucesos de inicio y de terminación, es
necesario incluir en la elaboración de la red, las llamadas Actividades Ficticias (FIC)
que no consumen trabajo, tiempo o recursos, sino que sirven para dar consistencia a
las interrelaciones de las actividades en circunstancias especiales.
En teoría de grafos PERT-CPM, a las Actividades Ficticias se la representa por una
flecha de trazo discontinuo (----------) Fig. II.3.
59
2
A Fic. 1
1 B 4 5
0
C
Fic. 2
3
BUENA
0 1 2 3
B
C
MALA
En Esta Red Existen Tres Actividades Con La Misma Codificación
Fig. II.3: USO DE ACTIVIDADES FICTICIAS
2.2 REGLAS BASICAS PARA ELABORAR UNA RED O CADENA DE FLECHAS

Para lograr una correcta representación gráfica de las dependencias internas en un
diagrama de mallas, se deberá tener en cuenta las siguientes reglas:
1. La colocación de dos flechas una a continuación de la otra, según la figura, indica que
la actividad A debe estar concluido para que se inicie la actividad B.
A B
Fig. II.4: REGLA 1
2. La disposición de las flechas, según la figura, indica que la actividad A debe estar
concluido para que puedan iniciarse las actividades B y C.
B
A
60
Fig. II.5: REGLA

2
3. La disposición de las flechas, según la figura, indica que la actividad A y B deben
estar concluidas antes de iniciarse la actividad C.
C
B
Fig. II.6: REGLA
3
4. La longitud y la forma de representar las flechas con a voluntad del programador, lo
cual quiere decir que las 4 figuras que se muestran son equivalentes
61
Fig. II.7: REGLA 4
5. Cuando dos o más cadenas están programadas en paralelo y existen prioridades, es

necesario introducir actividades ficticias para expresar correlaciones de tiempo.
A C
A C
B D B D
Fig. II.8: REGLA 5
La figura expresa que la actividad C Al indicar que la actividad D depende

solo puede iniciarse al concluir A y B, de A, esto no es cierto, pues también
pero que D depende tan solo de B. depende de B.
6. Se debe evitar la conexión de dos nudos mediante dos o más flechas ficticias.
A
A Fic. 1
D
B D
B
C C Fic. 2
Incorrecto Correcto
Fig. II.9: REGLA 6
7. Una actividad no debe conducir a un suceso que es previo al inicio de la actividad.
C
A B
Incorrecto
Fig. II.10: REGLA 7
62
8. Si el inicio de una actividad no depende de la culminación de un proceso complejo,

sino tan sólo de un parte del mismo, hay que descomponerla a ésta de manera
racional según criterios tecnológicos.
Proyecto “Libro A”
ESCRIBIR CAPT. ESCRIBIR CAPT. ESCRIBIR CAPT.
I II III
I
Fig. II.11: REGLA 8
9. En la programación Pert-Cpm, normalmente, los proyectos tienen un nudo de inicio y

uno de terminación. Esta exigencia se logrará cumplir siempre si introducimos
actividades ficticias.
INICIAL FINAL
Fig. II.12: REGLA 9
10. Los proyectos pueden presentarse con diferentes grados de sintetización
B1 B4
B2 C
A
B3 B5
63
RED PRINCIPAL
B C
RED SECUNDARIA
B1 B4
B2
B3 B5 Fig. II.13: REGLA 10
ENUMERACIÓN DE LOS SUCESOS

A fin de poder identificar las actividades componentes del proyecto y facilitar los
cálculos en el ordenador es conveniente asignar números naturales a cada uno de los
sucesos desde el inicial hasta el final. Fig. II. 14.
Para una correcta numeración secuencial se deberá observar:
a) El orden numérico de los sucesos ha de ser creciente en el sentido de las flechas
y de arriba hacia abajo.
b) En la numeración de los sucesos, se debe utilizar una serie progresiva de razón
mayor que la unidad, para poder intercalar sucesos, de ser preciso sin alterar
la numeración fundamental.
3
D
B
A C E
1 2 4 5
Fig. II.14: ENUMERACION DE LOS SUCESOS
64
De esta forma, todas las actividades estarán entonces identificadas únicamente por
su suceso inicial y final.
Actividad A = (1,2)
Actividad B = (2,3)
Actividad C = (2,4)
Actividad D = (3,4)
Actividad E = (4,5)
Generalizando en una malla de n sucesos, los sucesos de inicio y terminación serán:
i
j
i i ii
jj j
j
Fig. II.15: GENERALIZACIÓN DE LA ENUMERACIÓN DE LOS SUCESOS
i= 1, 2, 3, 4, 5, 6………. (n-1)
j= 2, 3, 4, 5, 6 ,7..………. n
De tal forma que siempre: i < j Fig. II.15
TRAZADO DEL GRAFO

Para comenzar a dar forma a un grafo Pert-Cpm y plantearnos de las relaciones
lógicas de precedencia, debemos formularnos las siguientes preguntas:
1º ¿Qué sucesos y actividades deben efectuarse inmediatamente antes de que
tenga lugar este suceso?
2º ¿Qué sucesos y actividades se pueden realizar en paralelo?
3º ¿Qué sucesos y actividades pueden efectuarse inmediatamente después de
este suceso?
Inicialmente el grafo debe esbozarse con lápiz para poder borrar varias veces e
ir mejorándolo en sucesivos tanteos. Las siguientes indicaciones orientativas facilitan
el procedimiento:
a) En lo posible las flechas deben ser rectas.
b) Evitar en lo posible que las flechas se crucen.
c) Evitar en lo posible que las longitudes de las flechas sean
desproporcionadas unas con otras.
d) Evitar en lo posible que las flechas tengan los ángulos entre ellas pequeños.
e) Evitar el desorden en la numeración, procurando hacer esta de izquierda
a derecha y de arriba hacia abajo.
65
f) Evitar las flechas ficticias que no sean necesarias.
PROCEDIMIENTO PARA ESTABLECER LOS GRAFOS

El replanteo de la red debe hacerse de una forma lógica y secuencial según las
relaciones de precedencia entre las actividades. Así, si tenemos una serie de
actividades que forman parte de un proyecto específico, existirán interdependencias
de actividades entre sí y además, existir otras condiciones limitantes que pueden
intervenir en la realización de cada una de ellas.
PROBLEMA Nº 1
Un proyecto consta de 8 actividades las que están interrelacionadas conforme se indica.

Actividades Precedencia (depende de…)
A -
B -
C A
D F
E B, C
F A
G E
H D, G
Esboce el grafo Pert-Cpm correspondiente.
SOLUCIÓN: Cada uno de los pasos está graficado en la Fig. II. 16.
1º
SUCESO A
INICIAL
A, B NO DEPENDEN DE NINGUNA
OTRA ACTIVIDAD
B
2º
A C
C DEPENDE DE A
B
66
3º
A E DEPENDE DE B Y C
C
B
E
4º
F
A
C
F DEPENDE DE E
B
E
5º
F
A
D
C
B D DEPENDE DE F
E
6º
F
A D
C
B G DEPENDE DE E
E
G
67
7º F
A C D
H
G
B
E
H DEPENDE DE D Y G
8º
F
D
F
A
C H
E G TERMINA EN UN
B
UNICO SUCESO
Fig. II.16: METODOLOGIA PARA ESBOZAR UNA RED

Una vez formada la red, debe verificarse que no existan incongruencias en las relaciones
de precedencia.
PROBLEMA Nº 2
Se tiene una serie de actividades de un proyecto, las que están interrelacionadas según las
relaciones de precedencia que se indica:
Actividades Precedencia
A -
B A
C A
D B
E C
F D,E
68
SOLUCIÓN:
D
B
A
F
E
C
H
PROBLEMA Nº 3
Dada una serie de actividades componentes de un proyecto, trace el grafo correspondiente.
R -
A -
B A, R
C A
D B
E C
T D, E
SOLUCIÓN:
B
D
R
T
E
A C
69
PROBLEMA Nº 4
Dada una serie de actividades de un proyecto y sabiendo que la actividad A precede a las
actividades B, C, D y estas a E grafique la red de actividades.
SOLUCIÓN
A C E
PROBLEMA Nº 5
Las actividades de un proyecto están correlacionadas según las relaciones de precedencia

que se indica. Grafique la red de flechas.
A -
B -
C -
D A
E C
F B, D
G E, F
SOLUCIÓN
D
A
B F
G
C E
70
PROBLEMA Nº 6
Nombre las actividades, enumere los sucesos y explique las relaciones de precedencia de
las actividades de la siguiente red.
SOLUCIÓN
PROBLEMA Nº 7
Un proyecto consta de 10 actividades, conforme se indica. Grafique la red de flechas.

A -
B -
C A
D A
E C, D
F B, E
G E
H C, D
I C, D
J C, D
K F, G, H, I, J
SOLUCIÓN
J
C
I
D H K
A
71
E G
B F
PROBLEMA Nº 8
Con los datos de precedencia de las actividades de un proyecto, determine la red

correspondiente.
A -
B -
C -
D C
E A
F B, D, E
G B, D, E
H B, D, E
I H
J A, F
L G, I, J
SOLUCIÓN
E F J
A
A G
B L
C D H I
72
PROBLEMA Nº 9
Con los datos de precedencia que se indica, determine la red de actividades.

A -
B A
C A
D A
E C
F C
G E
H D, F, G
I B, H
SOLUCIÓN
E
G
F
C I
D H
A
B
PROBLEMA Nº 10
Haga una red de actividades, si las relaciones entre las actividades son las siguientes.
a) A es la primera actividad del proyecto.
b) B, C, L son actividades que se desarrollan simultáneamente y dependen de la
realización de A.
c) D, E se desarrollan en paralelo y dependen de la realización de C, M.
d) F sigue a H y precede a G.
e) H, I, M deben iniciarse después de la terminación de B.
73
f) O sigue a H y precede a Z.
g) D, G, I, L, O deben estar terminadas antes de iniciar Z que es la última actividad del
proyecto.
h) E también es una actividad final.
SOLUCIÓN
O G
I
B M
Z
L A
A
C D E
PROBLEMA Nº 11
Supongamos que tenemos seis actividades bien definidas componentes de un proyecto: A, B,

C, D, E, F; siendo las relaciones de precedencia las siguientes:
a) A y B pueden empezar simultáneamente después de la actividad TP.
b) Las actividades C, D pueden empezar solamente cuando termina A.
c) Al terminar la actividad B, solo puede comenzar E.
d) Antes de empezar la actividad F, deben estar terminadas C, D, E.
Bosqueje el diagrama de actividades.
SOLUCIÓN
A
D
TP F
B E
74
PROBLEMA Nº 12
Teniendo presente las siguientes relaciones de precedencia de un proyecto, diagrame la red

de flechas.
a) A, X son las primeras actividades que siguen a “Tiempo de Preparación” del
proyecto.
b) B, C dependen de la realización de A.
c) G debe comenzar después que ha terminado D, E.
d) Al terminar C deben comenzar simultáneamente E, F, O.
e) D debe comenzar al terminar B, C, X pero dependerá solo de B, X.
f) H debe continuar a F.
g) I, J dependen de la realización de G,H,O.
h) Al terminar I deben comenzar en forma simultánea K, L.
i) M solo comenzara al terminar J, K.
j) N es la última actividad del proyecto dependiendo de la terminación de L, M.
SOLUCION
75
DURACIÓN DE UNA ACTIVIDAD

III
Cada actividad depende del tiempo calculado para su realización. La estimación de los
tiempos de duración se basa algunas veces en los datos experimentales y otras veces en el
cálculo ponderado de probabilidades.
Duración de una actividad según el CPM.
i j
𝑚 ⇒ 𝑡𝑖𝑗
Duración de una actividad según el PERT.
i j
𝑎
𝑚} ⇒ 𝑇𝑒𝑖𝑗
𝑏
Se observa que el CPM utilizara los tiempos determinísticos, es decir la “duración mas
probable” mientras que el PERT utiliza las tres duraciones que dan lugar a la duración
promedia. Fig. III. 1.
DURACION OPTIMISTA (a)
Optimistic Time: Expresa el tiempo mínimo que sería necesario para realizar la actividad.
El cálculo de este tiempo considera ideales todas las circunstancias que han de concurrir en la
realización de la actividad, pensando que todo va a salir bien, en perfecto cronometraje y
sin que se produzcan fallas que puedan afectar a su duración. Por estos motivos, este tiempo
es de apreciación poco realista.
DURACION MÁS PROBABLE (m)
Most Likely Time: Es aquel que se estima como justamente el necesario para realizar la
actividad en condiciones normales de trabajo con el empleo de los recursos determinados
de antemano. Este cálculo de duración normal viene apoyado por la experiencia o la
76
estadística. Generalmente tiene en cuenta los retrasos naturales que suelen producirse por
causas especiales o imprevistos.
DURACION PESIMISTA (b)

Pessimistic Time: Es el tiempo máximo que puede estimarse para que se efectúe la actividad
en condiciones desfavorables sin que lleguen a admitirse en esta ponderación causas de
fuerza mayor o riesgo catastrófico, incontrolables en el orden lógico.
Obsérvese que tij o Teij significa “duración de la actividad”, que cuando toma valores
definidos, servirán para determinar; cuando comenzar o cuando terminar la realización de
la actividad.
Es necesario expresar las duraciones de cada actividad, en unidades de tiempo, pudiendo
ser: horas, días, semanas, etc. Una vez elegida la unidad de tiempo, todas las actividades
estarán referidas a la misma base. La programación del desarrollo del proyecto podrá ser
correlacionado a fechas calendario de realización.
1. LOS TIEMPOS PARA COMEZAR Y TERMINAR UNA ACTIVIDAD

La determinación de cuando comenzar y/o terminar cada actividad y los cálculos en la red,
están apoyados en el PERT.
COMIENZO TERMINO
i j
ti 𝑡𝑖𝑗
tj
= 𝑑𝑢𝑟𝑎𝑐𝑖𝑜𝑛
Fig.III.2: LOS TIEMPOS PARA COMENZAR Y TERMINAR
77
El cuadro que resume los diversos nombres que adoptan estas terminaciones.
COMENZAR
OPTIMISTA t0i
t0
Inicio más lejano.
Fecha más temprana.
Fecha mínima esperada. TERMINAR
Lo más pronto posible t0j
Terminación más próxima.

TIEMPOS
PERT-CPM PESIMISTA
t* COMENZAR
t *i
Fecha más tardía.
Fecha máxima esperada (TL). Inicio más próximo.
Lo más tarde posible
TERMINAR
t *j
Terminación más lejana.
CUADRO III.1: LOS TIEMPOS PARA COMENZAR Y TERMINAR UNA ACTIVIDAD
SIMBOLOGIA. - Adoptaremos una simbología que facilita la realización de los cálculos en

la red. Fig. III.3
n
to tx
Fig. III.3: SIMBOLOGIA

a) Los sucesos se representan por un circulo, el que estará dividido en tres campos:
➢ En el campo superior se enumerará el número del suceso
78
➢ En el campo izquierdo inferior se colocara el tiempo optimista t° (t°)

➢ En el campo derecho inferior se colocara el tiempo pesimista t +- (t+)
b) La actividad se representará:
i
Aij j
ti+ tj 0 tj +
ti0 tij
Fig. III.4: LA ACTIVIDAD CON SUS DURACION Y LOS TIEMPOS PARA COMENZAR Y
TERMINAR
Es decir, en toda actividad; tanto el suceso inicial y final, llevaran los tiempos
optimistas y pesimistas para comenzar y terminar. Fig. III.4.
c) Los tiempos optimistas para comenzar y terminar una actividad:
Aij j
i
ti0 tj 0
tij
Fig. III.5: IDENTIFICACION DE LOS TIEMPOS OPTIMISTAS PARA COMENZAR Y

TERMINAR UNA ACTIVIDAD.
d) Los tiempos pesimistas para comenzar y terminar una actividad:
i
Aij j
tj +
ti+ tij
Fig. III.6: IDENTIFICACION DE LOS TIEMPOS PESIMISTAS PARA COMENZAR Y
TERMINAR UNA ACTIVIDAD.
COMO ENCONTRAR LOS TIEMPOS PARA COMENZAR Y TERMINAR UNA ACTIVIDAD
Para comprender la metodología de cálculo, tomemos como ejemplo el siguiente diagrama
de flechas.
15
2
5 8 5
6
0 7
1 12
4
TP 15
7 3
19 6
17 7
3
79
Fig. III.7: RED CON DURACIONES DE LAS ACTVIDADES
CALCULO DE LOS TIEMPOS OPTIMISTAS EN LA RED (LO MÁS PRONTO POSIBLE)

(Earliest Expected Time). La red propuesta deberá ser trasladada a otra red de cálculo,
considerando los tres campos de cada suceso y para ello se seguirán las siguientes reglas:
1° Considerar siempre que la primera actividad debe comenzar en cero.
2° Cuando en un suceso termina una actividad, se empleara la fórmula:
𝑡𝑗0 = 𝑡𝑖0 + 𝑡𝑖𝑗
3° Cuando en un suceso termina varias actividades se empleara la fórmula:
𝑡𝑗0 = 𝑒𝑙 𝑚𝑎𝑦𝑜𝑟[𝑡𝑖0 + 𝑡𝑖𝑗 ]
4° El valor del último tiempo optimista, marcara la duración del proyecto.

Los cálculos están resumidos en la Fig.
Fig. III.8: RED DE CALCULOS CON LOS TIEMPOS OPTIMISTAS

CALCULO DE LOS TIEMPOS PESIMISTAS EN LA RED (LO MÁS TARDE PERMISIBLE)
(Lastest Ocurrence Time)
Se irá retrocediendo de suceso en suceso siguiendo las siguientes reglas:
1° Se comienza desde la duración del proyecto, es decir se partirá del valor del último
suceso; determinado con los cálculos de los tiempos optimistas.
𝑡𝑗0 )𝑛 = 𝑡𝑖+ )𝑛
𝑛 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒𝑙 ú𝑙𝑡𝑖𝑚𝑜 𝑠𝑢𝑐𝑒𝑠𝑜

2° Cuando del suceso comienza una sola actividad, la determinación se hará con la fórmula:
80
𝑡𝑗+ = 𝑡𝑖+ − 𝑡𝑖𝑗
3° Cuando del suceso comienzan varias actividades, la formula será:
𝑡𝑗+ = 𝑒𝑙 𝑚𝑎𝑦𝑜𝑟[𝑡𝑖+ − 𝑡𝑖𝑗 ]
4° El valor en el primer suceso será el comienzo del proyecto.
Fig. III.9: RED DE CALCULOS CON LOS TIEMPOS PESIMISTAS
2. DETERMINACION DE LA RUTA CRÍTICA

La determinación de la ruta crítica puede ser planteada mediante las holguras del PERT o
los tiempos colgantes del CPM.
CALCULO DE LAS HOLGURAS EN EL PERT
El PERT considera dos tipos de Holguras de Tiempo: Holguras de Suceso y Holgura de
Actividad.
HOLGURAS DE SUCESO (HS)
Es la diferencia entre el tiempo pesimista y el tiempo optimista de un mismo suceso. Fig.
III10.
𝐻𝑆𝑛 = 𝑡𝑛+ − 𝑡𝑛0
n
n = número del suceso
tn o tnx
SUCESO
81
Fig. III.10: DATOS PARA DETERMINAR LAS HOLGURAS DE SUCESO
HOLGURAS DE ACTIVIDAD (HA)

Es la diferencia entre el tiempo pesimista de terminación y la sumatoria del tiempo optimista
de inicio y su duración. Fig. III.11.
i Aij j
ti0 tj +
tij
𝐻𝑎𝑖𝑗 = 𝑡𝑗+ − (𝑡𝑖0 − 𝑡𝑖𝑗 )
Fig. III.11: DATOS PARA DETERMINAR LAS HOLGURAS DE ACTIVIDAD
En la programación de un proyecto, no nos pueden decir la fecha exacta de terminación de

una actividad, pero si nos pueden decir el “tiempo más probable” en que la actividad se
puede terminar según experiencias anteriores y a juicio de los recursos actuales disponibles.
DURACIONES DE UNA ACTIVIDAD
Duración Optimista (a). Periodo de tiempo más corto que exigirá la terminación de una
actividad.
Duración Pesimista (b). Periodo de tiempo más largo que exigirá la terminación de una
actividad.
Duración “Más Probable” (m). Estimación más realista del tiempo que llevara la realización
de una actividad.
DURACION MEDIA DE UNA ACTIVIDAD (Tiempo Esperado o duración Prevista) Te.
Esta duración será determinada en base a las tres duraciones con la fórmula propuesta por
la Distribución Beta
a  4m  b
Te 
6
Certeza del valor Te.
El valor de Te en la distribución de Beta (se comporta como mediana), divide al área de

probabilidades en dos partes del 50% aproximadamente y su ubicación respecto a la moda
m nos induce a deducir lo siguiente:
Cuando la duración media ( Te ) calculada es mayor que la duración más probable (m) esta
tiende a la duración optimista a, dando lugar a una distribución simétrica a la izquierda; o
sea am es menor que mb (am < mb).
82
La duración más probable m, siempre coincide con la moda de la distribución.
Cuando la duración media ( Te ) calculada es menor que la duración más probable (m) esta
tiende a la duración pesimista b, dando a lugar a una distribución asimétrica a la derecha;
o sea que am es mayor que mb.
Cuando la duración media ( Te ) calculada es igual a la duración más probable m, dará a

lugar a una distribución simétrica.
83
Calculo de la incertidumbre de Te.

La medida adecuada de expresar la incertidumbre de Te es la varianza de la distribución
de probabilidades.
LA VARIANZA
( 2 )
Indica el riesgo de no acertar el empleo del valor de la Duración Prevista Te.
Su valor se determina con la fórmula de la Distribución Beta.
ba 2
( 2 )  ( )
6
Cuando el valor de la varianza es mayor, mayor es el riesgo de no acertar el valor de Te.
84
Se observa en la figura que la varianza de A es mayor que la de B, lo que quiere decir que
él Te dé A es menos certero que el de B.
Con algunos ejemplos despejaremos dudas respecto a la incertidumbre del empleo del valor
de Te.
Se observa que Te tiene los mismos valores en las diferentes curvas, pero su grado de certeza
es diferente.
Hemos expuesto que el modelo Pert hace uso de las tres duraciones: optimista, más probable
y pesimista para determinar la “duración prevista” Te para cada actividad y a la vez poder
calcular su grado de certeza al ser empelado en el proyecto.
85
DETERMINACION DE LA PROBABILIDAD DE TERMINAR EL PROYECTO (TP ) O LA

Aij
ACTIVIDAD EN EL SUCESO n
Como la duración de cada actividad del proyecto tiene su Te con un grado de incertidumbre
en su utilización y además cada actividad puede tener su propia forma de distribución de
probabilidades, sin embargo, la duración del proyecto, sigue una distribución de forma
normal.
DURACION DEL PROYECTO ( TP )

El valor de la duración del proyecto es determinar por la duración de la Ruta Critica (r.c.).
TP  (Te )r.c.
T j  (t 0i )n
Aij
Referido a la terminación de la actividad en el suceso n.
La duración media Te, era aquella duración de la actividad que dividía a la función de
distribución en dos partes iguales, es decir que el 50% del área situada debajo de la curva
de densidad de probabilidad (en la función Beta) quedaba a la izquierda de Te y el otro
50% a la derecha. Por eso había una probabilidad de 0.5 de que el proyecto sea terminado
en el plazo mínimo del suceso final.
86
Siempre la duración del proyecto determinado en base a los Te de la Ruta Crítica, tiene una
probabilidad de cumplirse de 50%.
DURACION PROPUESTA O TIEMPO EXIGIBLE

(TL )
Es el plazo de término programado o el plazo límite que se exige para terminar el proyecto
Aij
o terminar con la realización de la actividad .
Su valor puede ser mayor o menor que

TP o
(t 0 j )n , dependiendo de las imposiciones
técnicas o exigencias del contrato.
MARGEN DE TIEMPO (M).
Cuantificación del tiempo con el que se podrá “jugar” en la terminación del proyecto o la
Aij
actividad . Su valor puede ser positivo o negativo.
M  TL  TP  TL  (Te)r.c.
Referido a la duración del proyecto.
M  TL  (t 0 j )n
Aij
DESVIACION NORMALIZADA O FACTOR DE PROBABILIDAD (Z).
Permitir medir la “seguridad que tenemos de estar en la posibilidad del éxito”.
El valor de Z puede ser positivo o negativo y estará correlacionado con el “% de
probabilidad” que se encuentra en la Tabla de Distribución Normal.
El valor de Z se obtendrá con las siguientes ecuaciones:
TL  TP TL  TP
Z 
 2 r.c.  r.c.
Referido a la duración del proyecto, donde:
 2 r.c. = Sumatoria de las varianzas de las actividades de la Ruta Crítica.

TL  (t 0 j ) n TL  (t 0 j ) n
Z 
 2
n
n
87
Aij
Dónde:
 2 n = Sumatoria de las varianzas de las actividades que conforman el camino más largo
para llegar al suceso n.
PROBLEMA Nº 1
Las actividades de un proyecto y sus duraciones respectivas están reportadas en el siguiente

cuadro; se pide:
1.1 La duración del proyecto.
1.2 ¿Cuál es la probabilidad de terminar el proyecto en 52 días?
1.3 Si queremos tener una probabilidad de 97% en la terminación del proyecto, determine
la duración exigible,
TL.
1.4 ¿Cuál es la probabilidad de que el proyecto esté terminado entre 3 días antes y 3 días
después de la Fecha Esperada Media,

TP ?
TABLA DE LA FUNCIÓN DE LA DISTRIBUCIÓN NORMAL
PROBABILIDAD PROBABILIDAD
-Z +Z
Pr% Pr%
-3.0 0.1 0.0 50.5
-2.9 0.2 0.1 53.4
-2.8 0.3 0.2 57.9
-2.7 0.4 0.3 61.8
-2.6 0.5 0.4 65.5
-2.5 0.5 0.5 69.1
-2.4 0.8 0.6 72.6
-2.3 1.1 0.7 75.8
-2.2 1.4 0.8 78.8
-2.1 1.8 0.9 81.6
-2.0 2.3 1.0 84.1
-1.9 2.9 1.1 86.4
-1.8 3.6 1.2 87.5
-1.7 4.5 1.3 90.3
-1.6 5.5 1.4 91.9
-1.5 6.7 1.5 93.3
-1.4 8.1 1.6 94.5
-1.3 9.7 1.7 95.5
88
-1.2 11.5 1.8 96.4

-1.1 13.8 1.9 97.1
-1.0 15.9 2.0 97.7
-0.9 18.4 2.1 98.2
-0.8 21.2 2.2 98.6
-0.7 24.2 2.3 98.9
-0.6 27.4 2.4 99.2
-0.5 30.6 2.5 99.4
-0.4 34.5 2.6 99.5
-0.3 38.2 2.7 99.6
-0.2 42.0 2.8 99.7
-0.1 46.0 2.9 99.8
0.0 50.5 3.0 99.9
La experiencia ha demostrado que la función de distribución de probabilidad de 𝑇𝑝 de un

proyecto formado por un gran número de actividades, es aproximadamente la de una
distribución normal.
¿Cuál es la probabilidad de terminar el proyecto en 52 días?
Si queremos tener una probabilidad de 97% en la terminación del proyecto. Determinar la
duración exigible.
Actividades Duraciones
i j a m b
1 2 4 6 9
1 3 3 5 12
1 7 1 2 2
2 4 5 6 10
2 5 7 10 11
3 5 12 14 20
3 6 7 1 12
3 7 3 4 9
4 8 8 9 13
4 10 11 15 16
89
8 10 12 18
5 9 4 4 4
6 9 5 7 11
7 9 2 2 7
8 10 4 8 10
9 10 1 3 3
10 11 4 7 8
SOLUCIÓN
Proponemos los siguientes pasos en la solución del problema
a) A partir de las duraciones se determinarán los Te y holguras para cada actividad
b) En una red de cálculo se determinarán los tiempos optimistas y pesimistas para
comenzar y terminar cada actividad
c) Se determinarán las holguras de cada actividad
d) Se determina la Ruta Crítica y duración media del proyecto Te
e) Se calcula la Varianza total C 2r.Cde las actividades de la Ruta Critica
f) Se analiza la probabilidad de terminar el proyecto en función de la Curva de
Distribución Normal
LOS VALORES DE 𝑇𝑒 Y 𝜋 2
Actividades
i j 𝝅𝟐
Te
1 2 6.166 0.604
1 3 5.5833 2.25
1 7 1.333 0.027
2 4 6.5 0.594
2 5 7.666 0.444
3 5 14.666 1.776
3 6 9.833 0.694
3 7 4.666 1
4 8 9.5 0.694
4 10 14.5 0.694
5 8 12.666 1.776
5 9 4 0
6 9 7.333 1
7 9 2.833 0.694
8 10 7.666 1
9 10 2.666 0.11
10 11 6.666 0.433
En la red de cálculo se determinan: Tiempos optimistas y pesimistas, para comenzar y

terminar cada actividad. Las holguras de actividad y Ruta Critica
90
La duración y la varianza de la Ruta Crítica:
1.1 la duración del proyecto es

TP  47.497 = días
La varianza de la Ruta Crítica es  2 r.c  7.245
91
La probabilidad de que el plan tenga éxito, para esta duración prevista

TP es de 50%
1.2 la probabilidad si el contrato fija un plazo de 52 días

TL es:
TL  TP
Z
 2 rc
52  47.497
Z
7.245
Z  1.672949194
Entrando en l atabla de la distribución normal de probabilidades, para Z = 1.67, la
probabilidad de finalizar el proyecto de finalizar el proyecto antes d 52 días es de 95%.
1.3 Si queremos tener una probabilidad de 97% en la terminación del proyecto, la manera
de calcular será así:
Entrando en la tabla de distribución se procederá a la inversa; se determina a que valor de
Z corresponde a una probabilidad de 97%.
Se encuentra así, que Z vale 1.88. De la fórmula de la desviación normalizada se despeja

TL
TL  TP
Z
 r.c.
TL  TP  Z r.c
92
=47.497+1.88 7.245 = 52.554

= 47.497 + 1.88 (2.691653767)
El nuevo valor será entonces de 52.554 días, lo que significa que tomando aproximadamente
52.6 días, hay un 97% de probabilidad de realizar un proyecto.
La probabilidad de que el proyecto esté terminado entre 3 días antes y 3 días después de
la fecha esperada, se calculara así. Se calcula las desviaciones normalizadas (Z)
Para cada una de las restricciones.
Entrando en la tabla de Distribución de Gauss, con Z = 1.11, se halla que la probabilidad es

de 86.6% (0.866).
Pero este valor es de , o sea que es el valor de la integral siguiente:
Y está representado por el área de la figura. Pero según lo pedido:

0.866 – 0.500 = 0.366 ; y el área total será: 0.366 x 2 = 0.732
93
Es decir que la probabilidad de cumplir con las restricciones de 3 días antes y 3 días después
de la fecha esperada, es 73.2%.
PROBLEMA Nº 2
Para construir una obra de ingeniería necesitamos la realización de las siguientes actividades:
A, B, C, D, E, las que están relacionadas entre sí de la siguiente forma:
La actividad A precede a las actividades B, D.
La actividad B y C preceden a la actividad E.
Las actividades tienen las siguientes estimaciones en la duración:
Se pide hallar:
a) El camino crítico y la duración del proyecto.
b) La probabilidad de que el proyecto termine en 38 UT.
c) Tiempo necesario para tener una probabilidad de 99.5% de terminarlo en el pazo
previsto.
SOLUCIÓN:
Se determina dos Te y las holguras de cada actividad, y posteriormente se hacen los
cálculos de cuando comenzar y terminar cada actividad.
94
El camino crítico y su varianza.
Actividad Duración Varianza

C 23.8 8.0
E 9.5 2.25
------------ ------------
𝑇𝑝 = 33.3 = 10.25
La duración de proyecto 𝑇𝑝 = 33.3 UT
La desviación tipo σrc. = √10.25 = 3.2 UT

Para visualizar la probabilidad de obtener el plazo 𝑇𝑝 de determinación, representaremos
la distribución teórica que suponemos normal con una media igual al tiempo esperado
obtenido 𝑇𝑝 = 33 UT. Como hemos obtenido una desviación tipo σrc. = 3, con estos valores
podremos dibujar la siguiente curva.
95
En la escala de abscisas, hemos tomado las UT, de las ordenadas no representa interés ya
que la probabilidad está ligada al área encerrada por la curva.
El área total de la curva cubre todas las duraciones posibles, representando por lo tanto el
100%.
El área rayada representa la probabilidad de que la duración total sea inferior a 33 UT,
que es el 50%, ya que la distribución normal es simétrica, siendo así cualquiera que sea la
desviación tipo.
2.2 La probabilidad de que el proyecto termine en 38 UT.
Calculemos la desviación normalizada por la fórmula:
𝑇𝐿 − 𝑇𝑃 38−33.3 4.7
Z= = = = 1.468
√𝜎 2 𝑟.𝑐 3.2 3.2
En la Tabla de Distribución Normal, nos da para z = 1.468, una probabilidad de 92.5% de

terminar en el plazo previsto.
2.3 El tiempo necesario para tener una probabilidad de 99.5%.
Calculemos la desviación normalizada (Z) para una probabilidad de 99.5%.

En la tabla de distribución Normal se encuentra que Z = 2.6
96
El tiempo exigible o presupuesto 𝑇𝐿 será:

𝑇𝐿 = 𝑇𝑃 + 𝑍σrc
𝑇𝐿 = 33.3 + 2.6 x 3.2 = 41.62 UT.
La probabilidad de cumplir con el plazo en 99.5% es 41.62 UT.
PROBLEMA Nº 3
Las actividades, duraciones optimistas, más probable y pesimista de un proyecto son las
reportadas en el siguiente cuadro:
Las relaciones de precedencia entre las actividades son:
3.1 Dibuje el grafo Pert-Cpm, calcule el camino crítico, holguras de actividades y flotantes
libres de las actividades.
3.2 La posibilidad de que el proyecto termine en 30 UT.
3.3 Tiempo necesario para tener una probabilidad de 99% de terminar el proyecto.
97
SOLUCIÓN
Se calcula los Te de las actividades, se traza el grafo de cálculo y en ella se determina los
tiempos optimistas y pesimistas para comenzar y terminar cada actividad
A B C D E F G H I J
𝑇𝑒  2.8 3.8 10.5 2 4 2.3 4 6.6 6.2 3.6
Existen 2 caminos críticos, los cuales tienen por duración y varianza:
La duración de los caminos críticos es 23 UT y las desviaciones tipo

σrc1 = 2.43 y σrc2 = 2.55.
98
En proyectos donde existan más de un camino crítico para determinar el 𝑇𝑃 , se tomará

aquella que tenga una desviación tipo con mayor valor.
3.2 La probabilidad de que el proyecto termine en 30 UT.
Luego, la probabilidad será 99.65% (caso más desfavorable).

Obsérvese que se ha tomado la desviación tipo con mayor incertidumbre, es decir la que
tiene un valor numérico más alto.
99
3.3 El tiempo necesario para terminar el proyecto en 99%.

En la tabla de Distribución Normal, para 99% el valor de Z = 2.35
Se tomará el tiempo exigible más desfavorable (mayor tiempo necesario para terminar el
proyecto).
𝑇𝐿 = 29 UT
100
COSTOS Y DURACIÓN ÓPTIMA

IV
DE UN PROYECTO EN EL
SISTEMA PERT-CPM
Planteado el grafo de actividades y la estimación de cada duración, se procederá a
la evaluación de la duración y el costo óptimo del proyecto.
El análisis detallado de las implicancias de los premios y/o castigos (en dinero) sobre
el plazo contractual, es lo que determina que la culminación del proyecto se mantenga
en el plazo previsto o se tenga que proceder a su aceleración.
El Sistema PERT-CPM/COSTOS, nos presenta una técnica de cálculo de cómo
determinar el costo de un proyecto conociendo las limitaciones en la aceleración de
las actividades y las posibles alternativas en las variaciones de los costos directos,
mediante la combinación denominada “duración óptima – costo mínimo”. El
planteamiento del cálculo de este sistema, considera que el costo total es el resultado
de la sumatoria de un costo directo que crece a medida que se acorta la duración y
un costo indirecto que aumenta proporcionalmente con el tiempo de ejecución.
1. COSTOS
En cualquier tipo de empresa, los gastos generales son clasificados en directos e
indirectos.
▪ COSTO DIRECTO (CD).-
Este costo está representado por el calor de los insumos consumidos
directamente en realizar la actividad (producción): materiales, equipos,
jornales de la mano de obra. Por la forma del desarrollo de la actividad, el
costo directo puede ser: costo normal o costo tope.
▪ COSTO NORMAL (CN).-
Es el costo de una actividad realizada en condiciones normales de trabajo.
Este costo es la estimación basada en la duración normal (tN) de ejecución
de la actividad.
▪ COSTO TOPE (CT).-
Es el mayor de los costos de una actividad, cuando ya es imposible lograr
una disminución en la duración de su ejecución.
▪ COSTO INDIRECTO (CI).-

Son aquellas derivadas de la estructura organizativa de la obra u
empresa: administración, gastos generales (sueldo de empleados,
financiación, licencias, seguros, publicidad, etc.)
101
Los costos indirectos son directamente proporcionales al tiempo.

Gráficamente se representa por una receta que puede nacer del origen del
sistema de coordenadas: costos versus tiempo. Fig.V.1.
Fig. V.1: VISUALIZACIÓN DEL COSTO INDIRECTO

COSTO TOTAL (CT).-
Los costos totales son iguales a la suma de los costos directos y los costos
indirectos.
MULTAS Y PREMIOS
En la contratación para la ejecución de proyectos se señala el pago de multas en
unidades monetarias por cada unidad de tiempo de retraso en la entrega de la
obra a partir del plazo contractual.
La gráfica de multas es una recta que nace en el punto correspondiente al plazo
contractual y se extiende con pendiente m.
En algunos contratos se especifica el pago de premios en favor del contratista
por la entrega anticipada de la obra a razón de unidades monetarias por cada
unidad de tiempo adelantado en la entrega.
La gráfica de la recta de premios pasa el punto que señala el plazo contractual
y se extiende con pendiente p. Fig. V.2.
Fig. V.2: VISUALIZACIÓN DE PREMIOS Y MULTAS
102
La grafica de los resultados de las alternativas de operación para las condiciones,

nos reporta una curva.
A medida que aumentamos los turnos, se aumentan los costos de operación, pero
siempre habrá un tope donde por más que podamos incrementar el costo, ya no
se puede disminuir la duración de la actividad, a esta duración se la conoce como
“duración tope” de símbolo tij y el costo de esta duración se denomina “costo-tope”
Cij.
El Costo Tope, es el costo directo más elevado de la actividad cuando la duración
ya no se puede acortar más.
El costo más bajo de la realización de la actividad está relacionado con el punto
de duración Normal tNij; más allá de esta duración sería irreal, pues dará lugar a
más tiempo, consecuentemente más costoso.
Entre la duración Tope y la duración Normal, existe una gama continua de posibles
duraciones (visualizados en los puntos de aceleración).
En la práctica, para facilitar el cálculo de la pendiente de costos-duraciones, se
sustituye la curva por una línea recta.
Fig. V.5: VISUALIZACIÓN DE LA PENDIENTE DE COSTOS

PENDIENTE DE COSTOS DIRECTOS DE UNA ACTIVIDAD (ΔIJ)
La determinación de la pendiente de costos, reporta el incremento del costo
directo por la unidad de tiempo.
La pendiente de costos se determina por la fórmula:
(𝐶𝑁 − 𝐶𝑇 )𝑖𝑗
∆𝑖𝑗 =
(𝑡𝑁 − 𝑡𝑇 )𝑖𝑗
103
Para el ejemplo propuesto, determinemos su pendiente de costos.

Duración Normal tN = 10 días
Costo Normal CN = 54,400 UM
Duración Tope tT = 4 días
Costo Tope CT = 67,840 UM
(54,400 − 67,840)𝑈𝑀
∆𝑖𝑗 = = −2,240 𝑈𝑀/𝑑í𝑎𝑠
(10 − 4)𝑑í𝑎𝑠
Lo que quiere decir, que al disminuir en un día el trabajo, el costo directo
aumenta 2,240 UM.
V.3 ACELERACIÓN DE UN PROYECTO EN FUNCIÓN DEL COSTO

Para acelerar o reducir la duración de un proyecto o actividad, se puede utilizar
diversos procedimientos de operación entre los que se encuentra:
a) Sobretiempo del personal existente.
b) Asignar más personas a las tareas.
c) Uso de maquinaria más sofisticada.
d) Uso de tecnología más avanzada o empleo de nuevas estrategias de
ejecución.
e) Trabajar con diferentes horarios.
f) Usar personal con más experiencia, con mayores salarios.
g) Incentivar con premios al personal.
CRITERIO DE ELECCIÓN DE ACTIVIDADES PARA EL ACORTAMIENTO DE LA

DURACIÓN DEL PROYECTO
Para plantear la aceleración del proyecto, se deberá tener en cuenta los siguientes
criterios básicos:
1° La reducción de tiempos deberá comprender a las actividades que
pertenecen a las rutas críticas.
2° Elegir –por prioridades– entre estas actividades, las que tienen menor
incremento de costo por unidad de tiempo.
El problema del trazado de la Curva de Costo Directo Total Mínimo del proyecto,
se hará por el método de las “comprensiones sucesivas de las duraciones de las
actividades”, puntos que serán valorados por la secuencia de un número necesario
de programaciones.
104
Fig. V.6: VISUALIZACIÓN DEL COSTO DIRECTO TOTAL MÍNIMO DEL PROYECTO
PROCEDIMIENTO SISTEMÁTICO PARA TRAZAR LA CURVA DEL COSTO

TOTAL MÍNIMO DEL PROYECTO
Consideraciones preliminares:
1. Trazar la Red PERT-CPM en base a las relaciones de precedencia y/o
restricciones técnicas que existieran para cada actividad.
2. Determinar la Duración Normal y el Costo Directo Normal para cada
actividad.
3. Determinar la Duración Tope y el Costo Directo Tope para cada actividad
componente de la Red.
4. Determinar la Pendiente de Costos Directos para cada actividad.
Determinación de Puntos de Aceleración.
5. En una Red de Cálculo, se determina la Duración Normal del Proyecto en base
a las Duraciones Normales. Luego se obtiene el Costo Total Normal (sumatoria
de los Costos Normales de todas las actividades existentes).
De esta manera se obtiene el Punto PN, 1er. punto de la Curva de
Aceleración.
6. En una Red de Cálculo, se determina la Duración Tope del Proyecto en base
a las Duraciones Topes.
Con este paso determinamos el tiempo, hasta cuánto podemos acelerar el
Proyecto.
7. Determinación de otros puntos de la Curva de Aceleración:
7.1. En una Red PERT-CPM se determina todos los caminos (o rutas) que
existen y sus duraciones; para ello todas las actividades se deben
desarrollar normalmente.
7.2. Se comienza a “comprimir” la Red, teniendo presente que ésta
“comprensión”, sólo se harán en las actividades que pertenecen a la
Ruta Crítica.
7.3. Se elegirán entre las actividades críticas, las que presentan menor
incremento de Costo Directo por Unidad de Tiempo.
7.4. Obsérvese que las duraciones de los caminos normales determinados en
el ítem 7.1., se tabularán en forma decreciente, para posteriormente en
cada comprensión se tratará de alcanzar el valor de la duración de
cada camino del ítem 7.1.
7.5. En cada comprensión se determinará la duración y su correspondiente
costo.
8. Trazar la Curva de Costos Directos Totales Mínimos.
105
PROBLEMA Nº 1
Dado el grafo de actividades de un proyecto, detallando: actividades, duraciones

normales, duraciones topes de realización y sus costos respectivos, determine la
Curva de Costos Directos.
ACTIVIDADES DURACIONES COSTO DIRECTO UM ∆𝒊𝒋

i j SIMB. tn tt Cn Ct
0 1 TP 0 0 0,000 0,000 0,000
1 2 A 8 4 600,000 1.000,000 100,000
1 3 B 10 7 900,000 1.400,000 166,667
1 4 C 12 9 1.200,000 1.500,000 100,000
2 4 D 9 6 200,000 750,000 183,334
2 6 E 20 10 2.200,000 2.500,000 30,000
3 4 F 15 10 750,000 1.400,000 130,000
3 5 G 16 12 320,000 850,000 132,500
4 5 H 13 5 2.800,000 3.200,000 50,000
4 6 I 5 5 600,000 600,000
5 6 J 7 5 150,000 1.000,000 425,000
6 7 K 5 3 450,000 750,000 150,000
Las duraciones son reportadas en meses.

SOLUCIÓN:
Los Caminos de la Red.
Analicemos los posibles caminos con sus duraciones normales en el grafo
correspondiente.
Es decir:
C C C C C C C C
7 3 8 5 6 1 2 4
> > > > > > > >
5 4 3 3 3 3 2 2
0 2 8 7 5 3 7 2
106
El camino más largo con duración “todo normal” es el Camino 7, que por
definición es el Camino Crítico.
PRIMERA PROGRAMACIÓN: CON DURACIONES “TODO NORMAL”
Para verificar la Ruta Crítica, hagamos los cálculos en la siguiente red y
resumamos los valores en el Cuadro N°1.
En esta primera programación se tiene un costo directo total mínimo con duración
más larga.
SEGUNDA PROGRAMACIÓN: CON ACELERACIÓN DE LAS ACTIVIDADES DE

LA RUTA CRÍTICA
Como ya conocemos la duración normal y la duración tope, los puntos
intermedios de la curva, podrán ser determinadas por el método de las
“comprensiones sucesivas de las duraciones de las actividades”.
✓ ¿Cuál de las actividades debe ser reducido?
✓ ¿En qué cantidad se debe reducir la actividad elegida?
Para contestar a la primera pregunta, analicemos las actividades que están en
la Ruta Crítica con duraciones “todo normal”.
Actividades Variación
Ruta Crítica Duración ∆𝑖𝑗
0 - 1 TP 0/0 0
1 - 3 B 10/7 166,667
3 - 4 F 15/10 130,000
4 - 5 H 13/5 50,000
5 - 6 J 7/5 425,000
6 - 7 K 5/3 150,000
107
La actividad que tiene menor pendiente de costo directo es la H (4-5), ésta se

puede reducir hasta 5 semanas, si la reducimos hasta su tope, tendremos que la
duración del proyecto es igual al Camino 3 (42 semanas).
Los cálculos de esta programación están resumidos en el Cuadro N° 3.
TERCERA PROGRAMACIÓN: CON ACELERACIÓN DE LAS ACTIVIDADES DE

LA RUTA CRÍTICA.
En cada programación debemos obtener para la duración considerada, el menor
costo directo para el proyecto y esto se conseguirá “jugando” con los valores de
duraciones y costos de las actividades.
0 - 1 TP 0/0 0
1 - 3 B 10/7 166,667
3 - 4 F 15/10 130,000
4 - 5 H 13/5 50,000
5 - 6 J 7/5 425,000
6 - 7 K 5/3 150,000
La actividad H ya ha sido reducido a su tope, la actividad F es la que sigue con

menor pendiente de costo, pudiendo ser reducida hasta 10, por ahora sólo
vamos a reducirlo hasta 11 semanas, obteniendo que la duración del proyecto es
igual al Camino 8 (38 sem.). Se observa que ha aparecido otra actividad crítica
(3-5).
108
CUARTA PROGRAMACIÓN: CON ACELERACIÓN DE LAS ACTIVIDADES DE

LA RUTA CRÍTICA.
Analicemos las actividades críticas:
0 - 1 TP 0/0 0
1 - 3 B 10/7 166,667
3 - 4 F 15/10 130,000
3 - 5 G 16/12 132,500
4 - 5 H 13/5 50,000
5 - 6 J 7/5 425,000
6 - 7 K 5/3 150,000
La actividad F sólo puede ser reducido en 1 semana para llegar a su tope y
necesariamente la actividad G también tendrá que ser reducido en 1 semana,
obteniendo que la duración del proyecto es igual al del Camino N° 5 (37 sem.)
109
QUINTA PROGRAMACIÓN: CON ACELERACIÓN DE LAS ACTIVIDADES DE LA

RUTA CRÍTICA.
0 - 1 TP 0/0 0
1 - 3 B 10/7 166,667
3 - 4 F 15/10 130,000
3 - 5 G 16/12 132,500
4 - 5 H 13/5 50,000
5 - 6 J 7/5 425,000
6 - 7 K 5/3 150,000
Las actividades F y H ya han llegado a su tope, la actividad K es la que sigue

con el menor pendiente de costos directos, reduciéndola hasta su tope, tendremos
que la duración del proyecto es 35 semanas igual al del Camino 6.
SEXTA PROGRAMACIÓN: CON ACELERACIÓN DE LAS ACTIVIDADES DE LA

RUTA CRÍTICA.
0 - 1 TP 0/0 0
1 - 3 B 10/7 166,667
3 - 4 F 15/10 130,000
3 - 5 G 16/12 132,500
4 - 5 H 13/5 50,000
5 - 6 J 7/5 425,000
6 - 7 K 5/3 150,000
110
Las actividades F, H y K ya han llegado a su tope, la actividad B es la que sigue

con el menor pendiente de costos directos, vamos a reducirla hasta 8 semanas,
obteniendo así que la duración del proyecto es igual al del Camino 1.
SEPTIMA PROGRAMACIÓN: CON ACELERACIÓN DE LAS ACTIVIDADES DE

LA RUTA CRÍTICA.
Se procederá de la misma forma que en las programaciones anteriores:
0 - 1 TP 0/0 0
1 - 3 B 10/7 166,667
3 - 4 F 15/10 130,000
3 - 5 G 16/12 132,500
4 - 5 H 13/5 50,000
5 - 6 J 7/5 425,000
6 - 7 K 5/3 150,000
Vamos a reducir la actividad B hasta su tope de 7 semanas.
111
OCTAVA PROGRAMACIÓN: CON ACELERACIÓN DE LAS ACTIVIDADES DE

LA RUTA CRÍTICA.
Las actividades B y F han llegado a su tope, lo que impide reducir a las
actividades críticas A y D. La única actividad crítica que se puede reducir es la J,
si a esta la reducimos a 6 semanas, dará lugar a la aparición de una nueva
actividad crítica (E).
Los resultados de esta programación están resumidos en el Cuadro N° 9.
NOVENA PROGRAMACIÓN: CON ACELERACIÓN DE LAS ACTIVIDADES DE

LA RUTA CRÍTICA.
La actividad crítica J aún se puede reducir en 1 semana para llegar a su tope,
procediendo así, consecutivamente la actividad E también debe ser reducida en
1 semana.
Con esta programación hemos llegado a la duración tope del proyecto, tal como
fue calcula con la Segunda Programación.
112
EJERCICIOS RESUELTOS
V
PROBLEMA Nº 1
Proyecto “pagar las facturas” actividades:

✓ Examinar las facturas
✓ Poner en el correo
✓ Poner dirección en los sobres
✓ Elaborar los cheques
✓ Colocar las estampillas
✓ Insertar los cheques en los sobres
Hallar el diagrama de red del proyecto o dibujar el diagrama lógico de actividades.
SOLUCIÓN:
Actividades
A Examinar las facturas -
B Poner en el correo A
C Poner dirección en los sobres A
D Elaborar los cheques C
E Colocar las estampillas D
F Insertar los cheques en los sobres B,E
DIAGRAMA DE RED DEL PROYECTO “PAGAR LAS FACTURAS”
113
PROBLEMA Nº 2
A continuación, se dan lo datos de tiempo y costo de un proyecto y costo de un proyecto.

Determine el diagrama lógico del proyecto
Act. Precedentes Normal Ruptura

Tiempo Costo S/. Tiempo Costo S/.
A - 5 5000 5 5000
B A 8 6000 3 1800
E A 6 3000 5 4500
C B 2 1000 2 1000
D B 6 5000 2 9000
H E 5 2000 4 3000
F C,D 7 18000 3 20000
G E,D 5 1000 3 4000
K H,F,G 8 15000 8 15000
SOLUCIÓN:
114
PROBLEMA Nº 3
Con datos del problema 2. Determine la duración del proyecto y la ruta crítica.
Actividad Nodo Inicio Nodo Fin

A 0,5 0,5
B 5,13 5,13
E 5,11 15;21
C 13;15 17;19
D 13;19 13;19
H 11;26 21;26
F 19;26 19;26
G 19;24 21;26
K 26;34 26;34
Ruta Crítica: A-B-D-F-K
115

A 0;5 0;5
B 5;8 6;9
E 5;10 5;10
C 8;10 9;11
D 8;10 9;11
H 10;14 10;14
F 10;13 11;14
G 10;13 11;14
K 14;22 14;22
Ruta Crítica: A – E – H – K
PROBLEMA Nº 4
Con los datos del problema 2. Determine el programa óptimo aplicando CPM.
Actividad Precedentes DM CM DT CT Ci,j
A - 5 5000 5 5000 0
B A 8 6000 3 1800 -840
E A 6 3000 5 4500 1500
C B 2 1000 2 1000 0
D B 6 5000 2 9000 1000
H E 5 2000 4 3000 1000
F C,D 7 18000 3 20000 500
G E,D 5 1000 3 4000 1500
K H,F,G 8 15000 8 15000 0
56,000 63,300
𝐶𝑇 − 𝐶𝑁
𝐶𝑖,𝑗 =
𝐷𝑁 − 𝐷𝑇
5000 − 5000
𝐶𝑖,𝑗 = =0
5−5
1800 − 6000
𝐶𝑖,𝑗 = = −840
8−3
4500 − 3000
𝐶𝑖,𝑗 = = 1500
6−5
116
1000 − 1000
𝐶𝑖,𝑗 = =0
2−2
9000 − 5000
𝐶𝑖,𝑗 = = 1000
6−2
3000 − 2000
𝐶𝑖,𝑗 = = 1000
5−4
20000 − 18000
𝐶𝑖,𝑗 = = 500
7−3
4000 − 1000
𝐶𝑖,𝑗 = = 1500
5−3
15000 − 15000
𝐶𝑖,𝑗 = =0
8−8
PROGRAMACIÓN NORMAL: RUTA CRÍTICA: A-B-D-F-K

1) DN = 34 días
C= $ 56,000
2) PROGRAMACIÓN RUPTURA: RUTA CRÍTICA: A-E-H-K
DN = 22 días
C= 56,000 + (34-22)
C= 56,012
117
PROBLEMA Nº 5
El jefe de mantenimiento de una fábrica desea reconstruir una máquina herramienta

durante el periodo de vacaciones. Deben efectuarse las siguientes operaciones:
 Desmontar la máquina
 Llevar la máquina al taller de reparaciones
 Encargar las piezas que van a sustituirse
 Quitar la antigua fundación de la máquina
 Reparar las piezas de la máquina
 Construir la nueva fundación de la máquina
 Llevar las piezas de la máquina a la fábrica
 Montar la máquina
Determinar el diagrama lógico de actividades.
SOLUCIÓN:
ACTIVIDADES
A Desmontar la máquina -
B Llevar la máquina al taller de A
reparaciones
C Encargar las piezas que van a A
sustituirse
D Quitar la antigua fundación de la B,C
máquina
E Reparar las piezas de la máquina C
F Construir la nueva fundación de la D
máquina
G Llevar las piezas de la máquina a la E
fábrica
H Montar la máquina F, G
118
PROBLEMA Nº 6
Determinar el Diagrama Lógico de actividad

Tiempo Depende de
Actividad T N
A 2 4 -
B 10 14 A
C 7 10 B
D 15 18 B
E 5 7 B
F 6 8 C
G 3 5 E, F
H 6 8 F
K 3 5 D, G, H
SOLUCIÓN
119
PROBLEMA Nº 7
Con la tabla anterior (6) determine la duración del proyecto y la ruta crítica.

A 0;2 0;2
B 2;12 2;12
E 12;17 26;31
C 12;19 12;19
D 12;27 16;31
H 25;31 25;31
F 19;25 19;25
G 25;28 28;31
K 31;34 31;34
Ruta Crítica: A-B-C-F-H-K
120
B) DIAGRAMA DEL TIEMPO TOPE

A 0;4 0,4
B 4;18 4;18
E 18;25 37;44
C 18;28 18;28
D 18;36 26;44
H 36;44 36;44
F 28;36 28;36
G 36;41 39;44
K 44;49 44;49
Ruta Crítica: A-B-C-F-H-K
PROBLEMA Nº 8
Teniendo la siguiente información, determine el programa óptimo aplicando CPM.

Días $
Actividad DN DT CM CT Ci,j
1-2 8 5 150 280 43.33
1-3 4 2 160 300 70
1-4 12 7 380 520 28
2-3 3 2 90 200 110
2-4 9 6 250 480 76.66
3-4 8 5 200 360 53.33
121
122
PROBLEMA Nº 9
Tomando la información del problema 8. Grafique la relación de tiempo- costo.
Actividad Inicio del nodo Fin del nodo

1-2 0;8 0;8
1-3 0;4 7;11
1-4 0;12 7;19
2-3 8;11 8;11
2-4 8;17 10;19
3-4 11;19 11;19
Ruta Crítica:1-2 ; 2-3; 3-4
RUTA TIEMPO TOPE
Actividad Inicio del nodo Fin del nodo

1-2 0;5 0;5
1-3 0;2 5;7
1-4 0;7 0;7
123
2-3 5;7 5;7

2-4 5;11 6;12
3-4 7;12 7;12
Ruta Crítica: 1-2; 2-3; 3-4; 1-4
PROBLEMA Nº 10
Es necesario efectuar en forma periódicamente el trabajo de mantenimiento descrito en

la tabla, en cuanto a los intercambiadores de calor de una refinería.
ACTIVIDAD PRECEDEN H
A Desmantelar las - 14
conexiones de
tuberías.
B Desmantelar el A 22
cabezal envolvente y
tapa flotante.
C Quitar el as de tubos B 10
D Limpiar los pernos B 16

E Limpiar el cabezal y B 12
la tapa flotante del
frente.
F Limpiar el as de tubos C 10
G Limpiar la carcaza C 6
H Volver a colocar los F,G 8
as de los tubos
I Preparar la prueba D,E,H 24
de presión de la
carcaza
J Preparar la prueba I 16
de presión de los
tubos y ensamblar
124
PROBLEMA Nº 11
Se dan las actividades y requerimientos de secuencia, para completar un informe de

investigación. Determinar la ruta crítica.
ACTIVIDAD PRECEDEN H
A Investigación - 6
bibliográfica
B Planteamiento de la - 5
hipótesis.
C Estudio preliminar de B 2
factibilidad.
D Propuesta formal C 2
E Análisis de campo A,D 2
F Informe de avance D 1
G Investigación formal A,D 6
H Recolección de datos E 5
I Análisis de datos G,H 6

J Conclusiones I 2
K Manuscrito inicial G 4
L Ejemplar final J,K 3
M Preparación de la L 1
presentación oral
125
PROBLEMA Nº 12
El PC institute está preparando un revolucionario taller de terapia. El gerente del instituto

preocupado por los costos, recurre al PERT/CPM. Los datos se dan en la tabla. Los costos
indirectos tienen un monto de $500/ semana.
ACTIVIDAD PRECEDEN DURAC. TIEMPO D COSTO TOTAL COSTO TOAL
DIAS REDUCCION NORMAL $ CON REDUC.
A Investigación del - 12 9 4200 200
taller
B Elección de grupos - 7 5 3000 400
de clientes
potenciales
C Diseño de taller A 10 7 2600 200
D Preparación del A 4 3 1000 100
material para el
taller
E Preparación del C 11 6 3400 300
material para el
taller
F Envío por correo B, D 8 6 1400 100
de la publicidad
acerca del taller
G Procesamiento de F 7 5 1000 100
solicitudes
H Taller de terapia E,G 3 2 1300 400
126
127
III. TEORÍA DE
INVENTARIOS
TEMAS

 Objetivo Del Problema De Inventarios ................................................. 130 Pág.
 Características De Los Sistemas De Inventarios .................................... 131 Pág.
 Ejercicios ............................................................................................ 158 Pág.
128
INTRODUCCIÓN
I
La administración del inventario tiene fuerte impacto en toda el área de la
empresa, particularmente:
✓ Producción, Mercadotecnia y Finanzas.
Los inventarios son necesarios para el desarrollo de los negocios y ellos

representan ciertos costos que deben ser minimizados para maximizar las
ganancias que tiene la empresa.
Definición: Cantidad almacenada de artículos que se utilizan para facilitar la
producción o para satisfacer las demandas del consumidor. También, Conjunto
de artículos, mercancías y otros recursos económicos que son almacenados o se
mantiene inactivo en un instante del tiempo.
Problema de Inventario:
En cualquier negocio los inventarios son una Fuente continua de problemas de
administración cuando se busca una política de los inventarios, para tomar
decisiones en base a los siguientes interrogantes:
 Que cantidad se debe pedir.
 Cuanto se debe pedir
La decisión de cuanto ordenar implicar la selección de una cantidad de pedido

que signifique un equilibrio entre:
▪ Mantener inventarios reducidos y hacer pedidos frecuentes.
▪ Mantener inventarios numerosos y hacer pedidos poco frecuentes.
La primera opción puede dar como resultado costos altos de pedidos. La segunda
puede dar como resultado costos altos de conservación:
129
OBJETIVO DEL PROBLEMA DE

II
INVENTARIOS
Con el objeto de lograr un equilibrio entre:
✓ Que cantidad pedir
✓ Cuanto pedir
Se desarrolla un modelo matemático que muestra el costo total del inventario.

El objetivo es minimizar el costo total; real o esperado del inventario. Sin
embargo, si el inventario afecta la demanda, el objetivo puede ser maximizar
las utilidades real o esperada. Dentro de la empresa existen diferentes objetivos
de inventario:
El departamento Financiero prefiere mantener los inventarios en un nivel bajo
para conservar el capital.
El departamento de Mercadotecnia se inclina por tener niveles altos de
inventarios para reforzar las ventas.
El departamento de Producción desea inventarios adecuados para una
producción eficiente y niveles de empleo homogéneo.
FUNCION DE LOS INVENTARIOS
1. Inventario de tránsito o de conducto: Están formados por suministros para
cubrir retardos en el manejo y el tránsito.
2. Inventario de tamaño lote: Pedido por lote, por ser más económicos
fluctuaciones inciertas de la demanda.
3. Inventario de seguridad: Inventarios para prevenir faltantes debido a
fluctuaciones inciertas de la demanda.
4. Inventarios estacionales: Son diseñados para cumplir más económicamente
satisfacer fluctuaciones en la demanda.
5. Inventarios de desacople: Tienen cómo función desunir funciones.
130
CARACTERÍSCATICAS DE LOS
III
SISTEMAS DE INVENTARIOS
1. COSTOS DE INVENTARIOS
A. Costo de pedido: costo asociados con el reabastecimiento del inventario,
estos varían con el número de pedidos.
B. Costo de mantenimiento: costos asociados por mantener un nivel dado de
inventarios disponibles. Comprenden:
a. Costo de oportunidad, costo de almacenamiento.
b. Deterioro del producto u obsolescencia.
c. Impuestos, depreciación y seguros.
C. Costo de agotamiento: costo de penalización en que incurre, cuando se
queda sin mercancía, cuando esta se necesita.
D. Precio compra: precio de pedido, en él se asegura descuentos en
cantidades o cuando la producción en grandes lotes, se traduce en la
reducción de costos de producción.
2. DEMANDA
Desde el punto de vista del conocimiento de información de la demanda este
puede ser:
Determinístico o probabilístico
A. Determinístico: las cantidades pedidas sobre los periodos subsiguientes se
conocen con certeza.
B. Probabilístico: La demanda sobre un periodo dado de tiempo es incierta
y se puede describir en términos de una distribución.
También la podemos clasificar considerando el factor tiempo en:

A. Estático: la demanda sobre periodos iguales de tiempo es constante.
B. Dinámico: La demanda varía en cada periodo de tiempo.
131
3. CICLO DE PEDIDO:
Un ciclo de pedido es el periodo de tiempo entre la colocación de dos pedidos
sucesivos.
A. Revisión continua: El registro de nivel de inventario se monitorea
continuamente hasta un nuevo pedido.
B. Revisión periódica: Los pedidos se colocan en intervalos regulares de
tiempo.
132
4. TIEMPO DE ANTICIPACION: Tiempo entre la colación y la recepción. Puede

ser constante o variable, como también puede ser determinístico o
probabilístico.
5. EXISTENCIAS DE SEGURIDAD: Sirven de amortiguador para absorber las

variaciones de la demanda y del tiempo de anticipación.
133
MODELO DE COMPRA: SIN DEFICIT
Se supone lo siguiente
1. La demanda D se efectúa a una tasa constante
2. La tasa de remplazo es instantáneo.
3. Todos los coeficientes de costo, son constantes:
C1. Costo unitario/periodo.
C2. Costo de ordenar la compra.
C3. Costo de mantenimiento/unidad.
Suposición: Q = Im
Dónde:
▪ Im: Inventario máximo.
▪ Q: Cantidad económica pedido.
▪ t : Tiempo entre pedido.
▪ T: Tiempo planeado anual.
▪ D: Demanda del articulo unidades/año.
Calculando:
Costo Total = Costo Unitario + Costo de Ordenar la + Costo de

Mantener el/periodo /periodo compra/periodo
inventario/periodo
Costo Total = Costo Total * Numero de periodos

/año /periodo /año
Dónde:
▪ C1*Q : Costo de Q unidades / periodo.
▪ C2 : Costo de ordenar la compra/periodo.
▪ Q/2 : Inventario promedio por periodo.
▪ C3 t (Q/2) : Costo de mantenimiento del inventario por periodo.
134
Entonces
Costo total / periodo
Cp = C1Q + C2 + C3t(Q/2) ∝1
Tiempo del periodo: t = Q/D

Periodos / años o número de pedidos/año: N = D/Q
Remplazando valores en: ∝1
Cp = C1Q + C2 + C3(Q/D) (Q/2)
Costo total por año: C = N * Cp
C = (D/Q){C1Q + C2 + C3(Q2/2D)}
C = C1D + C2(D/Q) + C3(Q/2) α2
OBS: También considerar:

C = C2(D/Q) + C3(Q/2)
Deseamos conocer la cantidad económica a pedir en el periodo dado.

Derivando α2
dC/dQ = -C2 D/Q2 + C3/2 = 0

Luego Q2 = 2C2D/C3 Entonces Q = √2𝐷𝐶2 /𝐶3
135
EJEMPLO Nº 1
La demanda de un artículo partículas es de 18 000 unidades / año. El costo de

almacenamiento/unidad es de $1.20 por año y el costo de ordenar una compra es de
$400, No se permite faltantes y la tasa de remplazo es instantánea. Costo unitario $1.
Calcular.
a. Cantidad optima pedida.
b. Costo total/año.
c. Número de pedidos por año.
d. Tiempo entre pedidos.
e. L = 7dias.
SOLUCIÓN
Datos:
D = 18 000/año C1 = $1 C2 = $400 C3 = 1.2 /año
Año: 360 días
a. Q = √2𝐷𝐶2 /𝐶3 = Q = √2 ∗ 400 ∗ 18000/120 = 3464

b. C = C1D + C2(D/Q) + C3(Q/2) = 1(18000) + 400(18000/3464) +
1.2(3464/2) = 22157
c. N = D/Q = 18000/3464 = 5.2 pedidos/año
d. t = 1/N = Q/D = 3464/18000 = 0.192 años
Si año 360 días, entonces t = 0.192 * 360 ≈ 69 días.
MODIFICACION DE LOS PERIODOS DE TIEMPO

En el modelo anterior, se planifico sobre la base de 1 año. Lo fundamental con respecto
a las unidades de tiempo es la consistencia. Si los datos están dados por mes:
Demanda / mes = 18000 /12 = 1500 unid/mes
Costo de almacenamiento
1.20/12 = $0.10 unid/mes
Q = Q = √2𝐷𝐶2 /𝐶3 = Q = √2 ∗ 15000 ∗ 400 ∗/0.1 = 3465

Costo total por mes
= 1(18000/12) + 400(18000/12)/3465 + (1.2/12)(3465/2)
= $ 1864.4
También:
C= 22157 entonces 22157/12 = $1846.4/mes
136
ANÁLISIS DE SENSIBILIDAD
La política optima de la CEP deberá aprovecharse en el futuro o no dependiendo del
realismo de las hipótesis. El modelo de la CEP no es más que una representación electiva
de la realidad; una abstracción y una aproximación. Que tan sensibles son los resultados
del modelo en cuanto a los resultados y los datos.
Se puede comparar la sensibilidad de los costos totales C de cualquier sistema operativo,
con los costos totales C* de un sistema óptimo de inventarios usando la relación:
𝐶 𝑄∗ 𝑄
K = 𝐶 ∗ = ½[ + ]
𝑄 𝑄∗
Donde K: Medida de sensibilidad

Desviación de la variable de decisión:
Q = k.Q*
Dónde:
✓ K = 1, entonces Q = Q*
✓
K > 1, entonces Q > Q*
✓ K < 1, entonces Q < Q*
Intervalo administrativo de operación
 QS = (1 + X)Q*
 QI = (1 - X)Q*
Donde
▪ X : Tasa de desviación
▪ Qs : Cantidad superior
▪ Qi : Cantidad inferior
EJEMPLO Nº 2
La empresa Thompson tiene un contrato con el departamento de defensa por 150,000

rodamientos al año. La Thompson ordena a un proveedor el metal para los rodamientos
en lotes de 40,000 unidades.
Cuesta $40 colocar un pedido y los costos de manejo se calculan 20% del costo del
producto $0.15. La Thompson desea conocer:
a. La cantidad optima a ordenar
b. El porcentaje de variación de la cantidad pedida, con respecto al óptimo.
c. Cuanto le cuesta esta variación
d. Calcular el intervalo de operación para una tasa de 15%
137
SOLUCIÓN
Datos:
D = 150,000 C1 = $0.15 C3 = 0.15 Año de 360 días
Q = 40,000 C2 = $40 x = 0.15
a. Cantidad optima a pedir

Q* = √2𝐷𝐶2 /𝐶3 = √2 ∗ 40 ∗ 150,000/0,03 = 20,000
b. Comparando la cantidad optima Q*, con la real Q

𝐶 20,000 40,000
= ½[40,000 + 20,000] = 0.5 (0.5+2.0) = 1.25
𝐶∗
La cantidad pedida 40,000 se desvía de la óptima 20,000 en 100%.
c. Pero los costos solo son el 25% más elevado que el óptimo.
Los costos suplementarios (marginales) de la cantidad ordenada no optima:
Costos Marginales = 0.25C*
𝐷 𝑄
= 0.25 [C2𝑄∗ + C3 2 ]
150,000 20,000
= 0.25 [40* 20,000 + 0.03* ]
2
= 0.25 (300+300) = $150.00
d. Intervalo de operación del lote:
QS = 1.15 (20,000) = 23,000
Q1 = 0.85 (20,000) = 17,000
MODELO DE COMPRA: CON DEFICIT

Se considera las suposiciones del modelo anterior, pero se incurre en demandas
postergadas. Los costos de déficit son ocasionados por el agotamiento de existencias
durante un periodo de tiempo y no por perdidas de ventas.
138
Donde
 S : Unidades agotadas / periodo
 t1 : Tiempo de existencias
 t2 : Tiempo de faltantes
 S/2 : Promedio de unidades agotados
 C4 : Costo de déficit de unidad/ periodo
Inventario máximo: Im = Q – S
Por semejanza de triángulos
𝑡∗𝐼𝑚 𝑡(𝑄−𝑆) 𝑡∗𝑆
t1 = = y t2 =
𝑄 𝑄 𝑄
Costo Total = Costo Unitario + Costo de Ordenarla + Costo de Mantener el + Costo de

Déficit
/periodo /periodo compra/periodo inventario/periodo /periodo
Cp = C1Q + C2 + C3t1(Im/2) + C4t2(S/2)
Remplazando valores:
= C1Q + C2 + C3{(Q - S)2/2D} + C4(S2/2D)
Costo total/año: C = N * Cp
C = C1D + C2(D/Q) + C3(Q - S)2/2Q + C4(S2/2Q)
Derivando C con respeto a Q y S. Resolviendo para estos valores
2𝐶2 𝐷 𝐶3 +𝐶4
Q=√ √
𝐶3 𝐶4
2𝐶2 𝐷 𝐶3
S=√ √𝐶
𝐶4 3 +𝐶4
139
EJEMPLO Nº 3
Considerando los datos del problema anterior, donde el costo de déficit/año es $5 /

unidad
SOLUCIÓN
D = 18000 / año C2 = 400.00
C1 = 1.0 C3 = 1.20 / año
a. Cantidad optima
2∗400∗18000 1.20+5.0
Q=√ √ = 3464(1.113) = 3855.43
1.20 5.0
b. Número de unidades agotadas

2∗400∗18000 1.20
S=√ √ = 1697.05 (0.4399) = 747
5.0 1.20+5.0
c. Costo total / año
C = 1*18000 + 400(18000/3855) + 1.2 (3855-747)2/2*3855 +
5(747)2/2*3855 = 21732.94
d. Número de pedidos / año
N = D/Q = 18000/3855 = 4.67 pedidos por año
e. Tiempo entre pedidos
t = 1/N = Q/D = 3855/18000 = 0.214 años
Para t = 0.214 (360) ≈ 62 días
f. Tiempo de existencias
t1 = (Q - S) = (3855 - 747)/18000 = 0.172
Para t1 = 0.172 (360) ≈ 62 días
g. Tiempo de faltantes
t2 = S/D = 747/18000 = 0.0415

Para t2 = 0.0415(360) ≈ 15 días
140
MODELO DE MANUFACTURACION SIN FALTANTES

Las suposiciones de este modelo son similares al de compra sin faltantes, excepto
que la tasa de remplazo es infinita y mayor que la tasa de demanda. El
procedimiento para hallar Q es el mismo, pero se remplaza el costo de ordenar
la compra C2 por el costo de organizar una tanda de producción:
Dónde:
 C2: Costo de tanda de producción
 R: Tasa de manufacturación
 t1: Tiempo de facturación
 t2: Tiempo de existencias
 Im/2: Inventario promedio por periodo
Tiempo entre tandas de producción / periodo:
t = t 1 + t2 = Q / D
Inventario máximo/periodo está dado por el tiempo de manufacturación t1
multiplicado por la tasa de acumulación R – D.
Im = t1 (R – D)
El tiempo de manufacturación t1, tiempo para fabricar Q unidades.
Q = t1*R Dónde: t1 = Q/R
Costo por periodo:

Cp = C1Q + C2 + C3 t (Im/2)
Remplazando valores
Cp = C1Q + C2 + C3 (Q2/2D) (1-D/R)
Costo anual
141
C = N*Cp = C1D + C2 (D/Q) + C3 (Q/2) (1 – D/R)

Derivando con respecto a Q, dC/dQ = 0
Donde
2𝐶2 𝐷
Q=√ 𝐷
𝐶3 (1− )
𝑅
EJEMPLO Nº 4
La demanda de un artículo de una determinada Cía. es 18000 unidades/año y la Cía.

puede producir ese artículo a una tasa de 3000/mes. El costo de una unidad/mes $0.15
y el costo/unidad $2.
SOLUCIÓN
D = 18000 unid/año C1 = 2 Año: 360 días
R = 3000 unid/mes = 3000(12) = 36000 C2 = 500 C3 = 0.15 unid/mes
= 0.15 (12) = 1.8
a. Cantidad optima
2(500)(18000)2
Q=√ 18000 = 4472
1.8(1− )
36000
b. Costo total anual

C = 2(18000) + 500(18000/4472) + 1.8 (4472/2) (1 – 18000/36000) =
40025
c. Inventario máximo
Im = 4472 (1-18000/36000) = 2236
d. Número de pedidos por año

N = D/Q = 18000/442 = 4.03 pedidos/año
e. Tiempo entre tandas de producción

t = Q/D = 4472/18000 = 0.2484
f. Tiempo de manufacturación
t1 = Q/R = 4472/36000 = 0.124
Para = 0.124(360) ≈ 45 días
g. Tiempo de existencias
t2 = Im/D = 2236/18000 = 0.124
Para = 0.124(360) ≈ 45 días
142
MODELO DE MANUFACTURA CON DEFICIT

Se consideran las suposiciones del modelo de manufacturación sin déficit y se adiciona el
costo de faltantes.
Costo/periodo
CP = C1Q + C2 +C3 (t1 + t2) (Im/2) + C4 (t3 + t4) (S/2)
Se deben determine los valores de t1, t2, t3, t4 y Im en función de Q y S
Donde
 t1 + t2 = Im (1/(R -D) + 1/D)
 t1 + t4 = Q/R
 t3 + t4 = S (1/D + 1/(R -D))
 t2 + t3 = (Im + S) /D
 Im = Q (1- 1/D) – S
Costo por periodo

C3 𝐷 1 1 𝐶4 𝑆 2 1 1
CP = C1Q + C2 + 2 [Q (1-𝑅 ) - S]2(𝑅−𝐷 + 𝐷) (Im/2) + (𝑅−𝐷 + 𝐷)
2
Costo total anual

C = N * Cp = (D/Q) Cp
𝐷 C3 𝐷 1 𝐶4 𝑆 2 1
C = C1D + C2𝑄 + 2𝑄 [Q (1-𝑅 ) - S]2(1−𝐷/𝑅) + (1−𝐷/𝑅)
2𝑄
𝐷 C3 1 𝐶4 𝑆 2 1
C = C1D + C2𝑄 + 2𝑄 [QA - S]2(𝐴) + ( )
2𝑄 𝐴
Dónde: A = 1 – D/R
Se desconocen los valores de Q y S. Derivando C con respecto a Q y S desarrollando:
DC/dQ = 0 y dC/dS = 0
143
Dónde:
𝐶3
S= Q (1 – D/R)
𝐶3 +𝐶4
2𝐶2 𝐷 𝐶3 +𝐶4
Q=√ 𝐷 √ 𝐶4
𝐶3 (1−𝑅 )
EJEMPLO Nº 5
Considerando los datos del problema anterior, donde el costo/unidad agotada es $20
por año
SOLUCIÓN
D = 18000 und/año C1 = 2 C4 = 20 /año
R = 3000 und/mes = 3000(12) = 36000 C2 = 500 Año: 360 días
C3 = 0.15 und/mes = 0.15 (12) = 1.8
a. Cantidad optima a pedir
2∗500∗18000 1.8+2
Q=√ 18000 √ = 4669
1.8 (1− ) 2
36000
b. Número de unidades agotadas

1.8∗4669
S= (1 – 18000/36000) = 38551*0.5 = 192.75 ≈ 193
1.8+20
c. Costo total anual

500∗18000 1.8 [4669∗0.5−193]2 20∗1932
C = 2*18000 + + 2∗4669 + = 39855.16
36000 0.5 2∗4669∗0.5
d. Inventario máximo
Im = 4669 (1- 18000/36000) – 193 = 2142
e. Tiempo entre tandas de producción

t = 4669/18000 = 0.269 año
= 0.259(360) ≈ 93 días.
f. Tiempo de manufacturación
t1 + t4 = Q/R = 4669/36000 = 0.129
= 0.129(360) ≈ 46 días
g. Tiempo de existencias
t1 + t2 = 85.67 días
h. Tiempo de faltantes
t3 + t4 = 7.71 días
144
i. Numero de periodos
N = D/Q = 18000/4669 = 3.86
MODELO DE LOTE ECONOMICO

El enfoque común para desarrollar los modelos de inventarios es obtener una expresión
matemática para los costos totales y después buscar el mínimo. El tiempo de entrega es
constante por tanto no ocurren faltantes. Se omite el costo de compra, ya que es constante.
Suposiciones:
1. Demanda de uniforme (constante y continua).
2. El reabastecimiento se recibe todo junto.
3. Tiempo de entrega constante.
4. Todos los costos son constantes.
Con este modelo se determina:

1. Cantidad fija de orden.
2. Punto de reorden; cuando se debe hacer el pedido.
Costo total de inventario = costo de ordenar + costo de conservación

= C2 (D / Q) + C3 (Q / 2)
Dónde:
dC/dQ = 0
Entonces:
2* D * C2
Qj 
C3
I (t )  38
Como el tiempo de entrega es constante, entonces el punto de reorden:
R = L * D/365
L: Tiempo de entrega en días.
145
EJEMPLO Nº 6
Un fabricante necesita 2000 partes pequeñas durante el próximo año. El costo de las
unidades es de $5 cada una. Se tienen disponibles en la localidad con un tiempo de
entrega de 1 semana, peo el costo de ordenar para el fabricante es de $5 por orden. El
costo de conservación es de $1.50 al año por almacenamiento. Determinar:
a. Cuántas unidades debe ordenar.
b. El punto de reorden.
c. Costo total anual.
d. Numero de órdenes.
e. Días entre órdenes.
SOLUCIÓN
 D = 2000 und. /año.
 C2 = $5 / orden.
 C3 = $1.5.
 L=7
 Año: 365 días.
2*2000*5
a. Q   115.47  115
1.5
b. R = 7(2000)/365 = 38.65 unid.
c. C = 2000 (5) / 115.47 + 115.47 (1.5) / 2 = 173.2
d. N = 2000 / 115 = 17.39 ordenes
e. t = 1 / N = 0.058
t = 365 (0.058) = 21.17
Luego: CEP = 115 si I (t )  38
146
CEP CON DESCUENTOS POR CANTIDAD

Ocurren descuentos por cantidad en numerosos negocios e industrias en las que los
proveedores ofrecen incentivos para obtener cantidades grandes de pedidos, ofreciendo
menores costos de compra cuando se solicitan los artículos en lotes o cantidades grandes.
Observando que las mayores cantidades de pedido dan como resultado mayores costos
de tenencia del inventario, debe prepararse un análisis completo de los costos antes de
hacer una recomendación final sobre la política de pedidos o inventarios.
ALGORITMO:
PASO 1: para cada categoría j de descuento, calcular
2* D * C2
QJ 
C3
Considerando el costo unitario C1 de la categoría j, dónde:
C3 = I * C1
I = Tasa de costo de tenencia anual.
PASO 2: Considerar lo siguiente:
- Las cantidades Q j que están dentro del intervalo, respetar.

- Las cantidades Q j mayores a la cota superior del intervalo, descartar del
análisis.
- Las cantidades Q j menores a la cota inferior del intervalo, ajustar el Q j a esta
cota.
PASO 3: Para cada Qj permitido, calcular:
D Q
D
C  C1D  C2  C3
Q C  C1D  C2  C3
Q 2 Q 2
La cantidad de pedido que arroje el costo total mínimo, es la cantidad óptima de pedido.
147
EJEMPLO Nº 7
La Cia LST proveedor de la zapatería ILY está considerando descuentos al costo unitario
por cantidad de su artículo.
TAMAÑO DE PEDIDO DESCUENTOS COSTO UNITARIO
Unidades % C1
(0 - 250) 0 20
(250 - 1000) 10 18
(1000 - mas) 25 15
Dónde: D = 10 000 anual C2 = 9 I = 10% Año = 360 días.

¿Cuál es la cantidad que debe permitir la zapatería?
SOLUCIÓN
PASO 1
Calculando Qj, para j=1, 2,3 Donde C3 = I * C1
2(10, 000)9
Q1   300  250 No es factible
0.10(20)
Si es factible
2(10, 000)9
Q3   346  1000 Si es factible
0.10(15)
PASO 2
Manteniendo el valor de Q2 Q2 = 316 [250,1000]
Ajustando el valor de Q3 = 346 < 1000 Sea Q3 = 1000
PASO 3
Calculando el costo total anual para Q2 y Q3
CEP con descuentos por cantidad, factibles
148
La cantidad a pedir es de 1000 unidades con descuento de 25%, con costo de:
C = 15(10,000) + 9(10,000/1,000) + 1.5 (1000/2) = 150,840
149
MODELO DE PRODUCTOS MULTIPLES

Unas variedades de ítems se producen en una base cíclica y utilizando en su producción
el mismo equipo. Para evitar los conflictos de programación en la producción se ha
desarrollado un procedimiento para determinar lotes de producción cíclicos.
Determinando independientemente la cantidad económica Q para cada producto en
una situación:
Manufacturación sin demandas postergadas
Considerando la situación donde se tiene cinco productos diferentes y deseamos
producirlos en el mismo equipo o proceso.
Dónde:
✓ D: Demanda anual.
✓ d: Tasa de demanda (und/día).
✓ r: Tasa de producción (und/día)
✓ C2: Costo del lote de producción.
✓ C3: Costo anual de mantenimiento de inventario.
Resolviendo esta situación:
Cantidad económica a pedir
2C2 D
Q
d
C3 (1  )
r
150
D Q d
C  C2 ( )  C3 ( )(1  )
Q 2 r
Numero de periodos y su duración: N = D/Q y t1 = Q/r
Se observa:
1. Ciclo de producción es de 26.64 días.
2. Columna 7; número de días para consumir los lotes de cada producto a tasas de
demandas dadas.
3. Columna 5; número de días para producir los lotes de cada producto a las tasas
de producción dadas.
Se concluye, el número de días de consumo (columna 7) para un ítem es menor que el

número de días del ciclo de producción 26.64 o también si es mayor, originándose
conflicto en la programación de la producción.
PLANEAMIENTO
Suposiciones:
✓ Manufacturación sin demandas postergadas.
✓ Producción de múltiples artículos que utilizan la misma instalación de producción.
✓ Producción cíclica, producción de n artículos.
El objetivo es determinar una longitud de ciclo que minice los costos de mantenimiento del
inventario y los costos de tanda de producción.
151
FORMULACION
La función del costo total anual; para los N productos por lote es la suma de los costos de
mantenimiento del inventario más los costos de la tanda de producción.
N C2i Di N C3i Qi di
C  (1  )
i 1 Qi i 1 2 ri
Como N = D1/Q1
Reemplazando:
N
1 N di
C  N  C2i   C3i (1  )
i 1 2 N i 1 ri
El costo total anual está en función de la variable de decisión N (Numero de ciclos de
producción).
La longitud de ciclo N al menor costo se determina: dC / dN = 0
Numero óptimo del ciclo de producción.
di
C3i Di (1  )
ri
N
2C2i
Como Q1 = D1/N
Costo óptimo de los N ciclos
di
C  2C3i Di (1  )C2i
ri
152
SOLUCIÓN
Determinación del ciclo óptimo de producción para los cinco productos
Ítem di/ri 1-di/ri C3iDi C3iDi(1-di/ri)
C2
1 0.16 0.84 1000 840
20
2 0.40 0.60 5000 3000

15
3 0.10 0.90 3750 3375

25
4 0.08 0.92 8000 7360

10
5 0.20 0.80 6250 5000

15
$19575
$85.0
Numero de ciclos/años
19575
N  10.73  11
2 x85
Cada ítem se produce 11 veces al año de los 235 días disponibles.
PROBLEMA Nº 1

almacenamiento es de S/1.20 por año y el costo de ordenar una compra es de S/400.
No se permiten faltantes y la tasa de reemplazo es instantánea. Costo unitario S/1.
Calcular:
a. Cantidad optima pedida.
b. Costo total/año.
c. Número de pedidos por año.
d. Tiempo entre pedidos.
153
SOLUCIÓN
Datos:
✓ Demanda (D) = 18 000/año
✓ Costo Unitario (C1) = S/1.00
✓ Costo de ordenar (C2) = S/400
✓ Costo de mantenimiento (C3) = S/1.20
a) Cantidad óptima pedida:
2𝐷𝐶2 2∗400∗18000
Q=√ =Q=√ = 3464.1016 unidades.
𝐶3 1.20
b) Costo total/año:
𝐷 𝑄
C = C1D + C2( ) + C3 ( )
𝑄 2
18000 3464.1
C = 1(18000) + 400( ) + 1.2 ( ) = 22156.9219
3464.1 2
C =22157 soles.
c) Número de pedidos por año:
D 18000
N=( )=( ) = 5.196 pedidos/año
Q 3464.1
d) Tiempo entre pedidos:

1 Q 3464.1
t = ( ) = ( )= ( ) = 0.192 años
N D 18000
Si un año tiene 360 días, entonces t = 0.192 * 360 ≈ 69 días.

Gráfica
154
Verificación en DECISOR
PROBLEMA Nº 2
Considerando los datos del problema anterior, donde el costo de déficit/año es de

S/5.00 por unidad.
SOLUCIÓN
Datos:
✓ Demanda (D) = 18000 / año
✓ Costo de déficit (C4) = S/5.00
2𝐷𝐶2 𝐶3 +𝐶4 2∗400∗18000 1.2+5

Q=√ *√ =Q=√ *√ = 3857.4603
𝐶3 𝐶4 1.20 5
unidades.
Cantidad de unidades agotadas:
2𝐷𝐶2 𝐶3 2(18000)(400) 1.2

S=√ *√ =√ *√ = 746.6052 unidades.
𝐶4 𝐶3 +𝐶4 5 1.2+5
155
Entonces:
𝐷 (𝑄−𝑆)2 𝑆2
C = C1D + C2( ) + C3 ( ) + C4 (2𝑄)
𝑄 2𝑄
18000 (3857.4603−746.6052)2
C = 1(18000) + 400(
3857.4603
) + 1.2 ( 2(3857.4603)
)
746.6052 2
+5( )
2(3857.4603)
C = 21733.0261 soles.
D 18000
N=( )=( ) = 4.6662 pedidos/año
Q 3857.4603

1 Q 3857.4603
t = ( ) = ( )= ( ) = 0.2143 años
N D 18000
Si un año tiene 360 días, entonces t = 0. 2143 * 360 ≈ 77 días.

Gráfica
156
157
EJERCICIOS
IV
PROBLEMA Nº 1

almacenamiento es de S/1.20 por año y el costo de ordenar una compra es de S/400.
No se permiten faltantes y la tasa de reemplazo es instantánea. Costo unitario S/1.
Calcular:
a) Cantidad optima pedida.
b) Costo total/año.
c) Número de pedidos por año.
d) Tiempo entre pedidos.
SOLUCIÓN:
Datos:
✓ Demanda (D) = 18 000/año
2𝐷𝐶2 2∗400∗18000
Q=√ =Q=√ = 3464.1016 unidades.
𝐶3 1.20
𝐷 𝑄
C = C1D + C2( ) + C3 ( )
𝑄 2
18000 3464.1
C = 1(18000) + 400( ) + 1.2 ( ) = 22156.9219
3464.1 2
C =22157 soles.
158

D 18000
N=( )=( ) = 5.196 pedidos/año
Q 3464.1

1 Q 3464.1
t = ( ) = ( )= ( ) = 0.192 años
N D 18000
Si un año tiene 360 días, entonces t = 0.192 * 360 ≈ 69 días.
Gráfica
159
PROBLEMA Nº 2
Considerando los datos del problema anterior, donde el costo de déficit/año es de

S/5.00 por unidad.
SOLUCIÓN
Datos:
✓ Demanda (D) = 18000 / año
✓ Costo de déficit (C4) = S/5.00
2𝐷𝐶2 𝐶3 +𝐶4 2∗400∗18000 1.2+5

Q=√ *√ =Q=√ *√ = 3857.4603
𝐶3 𝐶4 1.20 5
unidades.
Cantidad de unidades agotadas:
2𝐷𝐶2 𝐶3 2(18000)(400) 1.2

S=√ *√ =√ *√ = 746.6052 unidades.
𝐶4 𝐶 3 +𝐶4 5 1.2+5
Entonces:
𝐷 (𝑄−𝑆)2 𝑆2
C = C1D + C2( ) + C3 ( ) + C4 (2𝑄)
𝑄 2𝑄
18000 (3857.4603−746.6052)2
C = 1(18000) + 400(
3857.4603
) + 1.2 ( 2(3857.4603)
)
746.6052 2
+5( )
2(3857.4603)
C = 21733.0261 soles.

D 18000
N=( )=( ) = 4.6662 pedidos/año
Q 3857.4603
160

1 Q 3857.4603
t = ( ) = ( )= ( ) = 0.2143 años
N D 18000
Si un año tiene 360 días, entonces t = 0. 2143 * 360 ≈ 77 días.

Gráfica
161
PROBLEMA Nº 3
Compra de componentes. Factory, Built, Home Inc. (F.B.H) compra components de

paneles de una planta cercana al Oeste de New Cork a s/. 5.00 por unidad, se espera
usar aproximadamente 4000 unidades durante el año próximo F.B.H. Calcular que sus
costos son de S/. 30.00 para colocar una orden de S/. 1.50 por unidad anual para
mantener y almacenar.
D= 4000 C1= s/. 5.00 C2= s/. 30.00 C3= s/. 1.50
Determinar:
a) Cuál es la cantidad económica de pedido
2.𝐶2.𝐷 2𝑥30𝑥4000
Q=√ =√ = 400.00
𝐶3 1.5
b) Cuantas ordenes por año deben ser colocadas
𝐷
N = 𝑄 = 10
c) Cuál es el costo por pedido
𝐷 𝑄
C = C1.D +C2. + C3. = 20600.00
𝑄 2
d) Cuál es el tiempo entre pedido
1 𝑄
t= = = 0.1
𝑁 𝐷
Si año 360 entonces 360x(t) = 36 días
162
PROBLEMA Nº 4
La demanda anual de rollo de cierto cable de diámetro específico especial por la CIA
Lanier, es de 45000 rollos. A la empresa le cuesta S/. 160.00 la inversión o puesta en
marcha de ordenado el pedido, el costo mensual de mantener este artículo es S/. 2.00 y
el costo unitario S/. 1.00
D = 45000 C1= S/.1.00 C2 = S/. 160.00 C3 = S/. 24.00 año
MODELO DE COMPRA SIN DEFICIT
D=4500
Q=774.60
6.20 6.20
a) ¿Cuál es la cantidad optima?
2𝐶2𝐷 2𝑥160𝑥45000
Q=√ =√ = 774.60
𝐶3 24
b) ¿Cuál es el tiempo entre pedidos?

1 𝑄
t=𝑁 = = 0.0172
𝐷
Si año = 360xt = 6.20 días
163
c) ¿Cuál es el costo total anual?

45000 774.60
C= 1x45000 + 160x + 24x = 63590.32
774.60 2
e) ¿Cuál es el número de pedidos?
45000
N= = 58.09
774.60
PROBLEMA Nº 5
Una compañía ensambladora de computadoras, compra partes y componentes a una

importadora a S/. 8.00 por unidad. Como ha aumentado los requerimientos de
computadoras, se espera usar aproximadamente 6500 unidades durante el próximo
año de dicho componente. La compañía ha estimado que sus costos son de S/. 45.00
para colocar un orden y S/. 0.50 por unidad mensual, para mantener y almacenar y no
se permite faltantes.
D = 6500 C1 = S/. 8.00 C2 = S/. 45.00 C3 = S/. 0.50 (mes) = S/. 6 (año)
MODELO DE COMPRA SIN DEFICIT
D=6500
Q=312.25
17.29 17.29
164
a) ¿Cuál es la cantidad más económica de pedido?
2𝑥45𝑥6500
Q=√ = 312.25
6
b) ¿Cuantas ordenes por año deben ser colocadas?

6500
N= = 20.82
312.25
c) ¿Cuál es el costo por pedido?
𝐶
Costo por pedido = = 2588
𝑁
d) ¿Cuál es el costo total anual?
6500 312.25
C = 8*6500 + 45* + 6* = 53873.50
312.25 2
e) ¿Cuál es el tiempo entre pedidos?
312.25
t= = 0.048
6500
Si año = 360 entonces 360x0.048 = 17.29 días
165
PROBLEMA Nº 6
Si la demanda de un artículo es uniforme de 9,000 unidades por año, el costo de

ordenar S/. 2.50 por orden y el costo por conservación es S/. 2.00 por unidad por año.
a) Encuentre el tamaño del lote económico.
b) ¿Cuántas órdenes se harán en un año?
c) Si cada unidad cuesta S/. 7.00. ¿Cuál es el EOQ por orden?
d) ¿Cuál es el costo de inventario anual?
Datos:
✓ D=9,000
✓ C2=2.50
✓ C3=2.00
a) Tamaño del lote económico:

2𝐶2 𝐷 2𝑥2.5𝑥9000
𝑄=√ =√ = 150 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠/𝑜𝑟𝑑𝑒𝑛
𝐶3 2
b) Número de órdenes por año:
𝐷 9000
𝑁= = = 60 𝑜𝑟𝑑𝑒𝑛𝑒𝑠/𝑎ñ𝑜
𝑄 150
c) Si C1 = S/. 7.00
𝐶𝑜𝑠𝑡𝑜 𝑝𝑜𝑟 𝑜𝑟𝑑𝑒𝑛 = 𝐶1 𝑥𝑄 = 7𝑥150 =1050
d) Costo del Inventario Anual:
D Q 9000 150
C = C1 D + C2 ( ) + C3 ( ) = 7x9000 + 2.5x + 2x
Q 2 150 2
= 63000 + 150 + 150 = 63300
166
PROBLEMA Nº 7
En los Supermercados METRO, uno de sus productos de mayor demanda son las Cocinas
MADE, la cual se ha estimado una demanda de 1,200 cocinas para el presente año y es
constante. El costo de hacer una orden de perdido a la fábrica es S/. 5,000 y el costo de
una cocina es de S/. 320.00 se sabe que el costo de mantener es de 10% de su costo.
Determinar:
a) Costo total/año.
b) Número de pedido/año.
c) Tiempo entre pedidos.
Datos:
✓ D=1200
✓ C2=5000
✓ C1=320
✓ C3=10%(5000) =500
✓ Año=360 días
a) Costo total/año:
D Q
C = C1 D + C2 ( ) + C3 ( )
Q 2
1200 154.92
= 320x1200 + 5000x + 500x
154.92 2
= 384000 + 38729.67 + 38730 = 461459.67
b) Número de pedido/año:
𝐷 1200
𝑁= = = 7.75 𝑜𝑟𝑑𝑒𝑛𝑒𝑠/𝑎ñ𝑜
𝑄 154.92
167
c) Tiempo entre pedidos:

1 𝑄
𝑡= = = 0.1292 ≈ 46.476 𝑑í𝑎𝑠
𝑁 𝐷
168
PROBLEMA Nº 8
Mc Bruger para su principal producto tiene una demanda de 2500 pizzas por mes. El
costo fijo de hacer una orden de pedido es de S/. 20 por mes. Cuesta S/. 0.003 por día
por almacenar pizzas. El costo unitario de cada pizza es de S/. 10. Se sabe además que
es costo por demandas es de S/. 5 soles por año. Determinar:
𝑫 = 2500(12) = 30000
𝑪𝟏 = 10.00 , 𝑪𝟐 = 20(12) = 240.00, 𝑪𝟑 = 0.003(360) = 1.08,
𝑪𝟒 = 5.00
a) Cantidad óptima
2𝐶2 𝐷 𝐶3 +𝐶4 2(240)(30000) 1.08 + 5

𝑄=√ √ =√ √ = 4026.58
𝐶3 𝐶4 1.08 5
b) Número de unidades agotadas
2𝐶2 𝐷 𝐶3 2(240)(30000) 1.08

𝑆=√ √ =√ √ = 715.25
𝐶4 𝐶3 + 𝐶4 5 1.08 + 5
c) Costo total por año
𝐷 (𝑄 − 𝑆)2 𝑆2
𝐶 = 𝐶1 𝐷 + 𝐶2 ( ) + 𝐶3 ( ) + 𝐶4 ( )
𝑄 2𝑄 2𝑄
30000 (1162.37 − 715.25)2 715.252

𝐶 = 10(30000) + 240 ( ) + 1.08 ( ) + 5( )
4026.58 2(4026.58) 2(4026.58)
= 3035576.24
d) Número de pedidos por año
𝐷 30000
𝑁= = = 7.45
𝑄 4026.58
e) Tiempo entre pedidos
1
360𝑡 = 360 ( ) = 48.32 𝑑𝑖𝑎𝑠
𝑁
f) Tiempo de existencias
𝑄−𝑆
360. 𝑡1 = 360 ( ) = 39.736 𝑑𝑖𝑎𝑠
𝐷
169
g) Tiempo de faltantes
𝑆
360. 𝑡2 = 360 ( ) = 8.583 𝑑𝑖𝑎𝑠
𝐷
Gráfica
𝑡1 = 40, 𝑡2 = 9, 𝑡 = 49, 𝑆 = 715.25, 𝑇 = 7(49) = 343 𝑑𝑖𝑎𝑠

𝑄 = 4026.58
170
PROBLEMA Nº 9
La compañía manufacturera ACE tiene un contrato para suministrar refrigeradoras al año

a una tasa mensual uniforme de 335 refrigeradoras, cuya demanda es de 3500 unidades
por año. El costo de operación es de S/. 50 por unidad, el costo del almacenamiento es
de S/. 6 y el costo de preparación de una partida de producción es de S/. 160.
𝑫 = 3500, 𝑹 = 335(12) = 4020
𝑪𝟏 = 50.00 𝑪𝟐 = 160.00, 𝑪𝟑 = 6
a) ¿De cuántas unidades es el lote de producción?
2𝐶2 𝐷 2(160)(3500)
𝑄=√ =√ = 1201.28
𝐷 3500
𝐶3 (1 − 𝑅 ) 6(1 − 4020)
b) ¿Cuál es el costo de las partidas de producción por año?
𝐷 𝑄 𝐷
𝐶 = 𝐶1 𝐷 + 𝐶2 ( ) + 𝐶3 ( )(1 − )
𝑄 2 𝑅
3500 1201.28 3500

𝐶 = 50(3500) + 160 ( ) + 6( ) (1 − ) = 175932.34
1201.28 2 4020
c) ¿Con qué frecuencia se debe detener el proceso de producción?
𝐷 3500
𝐼𝑚 = 𝑡1 (𝑅 − 𝐷) = 𝑄 (1 − ) = 1201.28 (1 − ) = 155.389
𝑅 4020
𝐷 3500
𝑁= = = 2.914
𝑄 1201.28
d) ¿Cuál es la duración de las existencias?
1
360𝑡 = 360 ( ) = 123.560 𝑑𝑖𝑎𝑠
𝑁
𝑄 1201.28
360𝑡1 = 360 ( ) = 360 ( ) = 107.577 𝑑𝑖𝑎𝑠
𝑅 4020
𝐼𝑚 155.389
360𝑡2 = 360 ( ) = 360 ( ) = 15.983 𝑑𝑖𝑎𝑠
𝐷 3500
171
Gráfica
𝑇 = 3(124) = 372 𝑑𝑖𝑎𝑠, 𝑅 = 4020, 𝐷 = 3500, 𝑡1 = 108 𝑑𝑖𝑎𝑠, 𝑡2

= 16 𝑑𝑖𝑎𝑠, 𝑡 = 124 𝑑𝑖𝑎𝑠
𝑄 = 1201.28 𝑁 = 3 𝑣𝑒𝑐𝑒𝑠 𝑎𝑙 𝑎ñ𝑜
172
PROBLEMA Nº 10
La empresa de zapatos BATA S.A tiene la capacidad de producir 60 000 pares de

zapatos del modelo ABC por año, la demanda de este artículo es 15,000 unidades por
año, teniendo un costo unitario de $8 por par de zapato, el costo de tenencia de una
unidad es el 5% del costo unitario por mes, siendo el costo de compra de $150 el costo
de faltantes es de $2/artículo/año. Calcular:
a. La cantidad óptima que debe comprarse
b. El número de unidades agotadas
c. El número de tandas de producción
d. La duración del periodo de inventario
e. El costo total anual
Solución
Datos:
D = 1500, P = 60000, 𝐶1 = 8.00 , 𝐶2 = 150.00 , 𝐶3 = 8(0.05)(12) = 4.8, 𝐶4 =
2.00
a. La cantidad optima de unidades que deben manufacturarse
2𝐶2 𝐷 𝐶3 + 𝐶4
𝑄= √ × √
𝐷 𝐶4
𝐶3 (1 − 𝑃 )
2 × 150 × 15000 4.8 + 2.0

𝑄= √ ×√ = 2061.55
15000 2.0
4.8(1 − 6000 )
𝑄 = 3354.10 × 1.095 = 3674.23

b. El número de unidades agotadas
𝐶3 𝐷 4.8 15000
𝑆 =( ) 𝑄 (1 − ) = ( ) 2061.55 (1 − ) = 1091.409
𝐶3 + 𝐶4 𝑃 4.8 + 2 60000
c. El número de tandas de producción
𝐷
𝐴=1− = 0.75
𝑃
d. La duración del periodo de inventario
𝐷
𝑙𝑚 = 𝑡1 (𝑃 − 𝐷) − 𝑆 = 𝑄 (1 − ) − 𝑆 = 2061.55(0.75) − 1091.409 = 454.7535
𝑃
173
𝐷 15000
𝑁 = = = 7.276
𝑄 2061.55
1
360𝑡 = 360 ( ) = 49.477
𝑁
𝑄 2061.55
360(𝑡1 + 𝑡4 ) = 360 ( ) = 360 ( ) = 12.369
𝑃 60000
e. El costo total anual.
𝐷 (𝑄𝐴 − 𝑆)2 1 𝑆2 1
𝐶 = 𝐶1 𝐷 + 𝐶2 ( ) + 𝐶3 ( ) + 𝐶4 ( )
𝑄 2𝑄 𝐴 2𝑄 𝐴
15000 (2061.55 (0.75) − 1091.409)2 1

𝐶 = 8(15000) + 150 ( ) + 4.8 ( )
2061.55 2(2061.55) 0.75
2
1091.409 1
+ 2( ) = 122182.820
2(2061.55) 0.75
𝐷
𝐼𝑚 = 𝑡1 (𝑃 − 𝐷) − 𝑆 = 𝑄 (1 − ) − 𝑆 = 2061.55(0.75) − 1091.409 = 454.7535
𝑃
𝐷 15000
𝑁= = = 7.276
𝑄 2061.55
1
360𝑡 = 360 ( ) = 49.477
𝑁
𝑄 2061.55
360(𝑡1 + 𝑡4 ) = 360(𝑃 ) = 360( 60000 ) = 12.369
174
PROBLEMA Nº 11
La siguiente tabla proporciona la demanda de un artículo para los primeros 12 meses

de un año.
Ene Feb Marzo Abr Mayo Jun Jul Ago Set Oct Nov Dic
Mes 1 2 3 4 5 6 7 8 9 10 11 12
Demanda 20 40 40 60 40 60 80 60 40 40
80 80 80 80 80 80
Caso 1
a) En el año se hacen 6 pedidos de 80 unidades cada uno, se reciben 1° enero,
1°Marzo, 1° Mayo, 1°Julio, 1° Setiembre, 1° Noviembre.
b) El costo de mantener una unidad de artículo en inventario durante un mes es
S/15.
c) El costo por cada orden de pedido es S/80
d) El costo por demanda postergada es S/10
Mes Cantidad Inventario Demanda Inventario Demanda

Recibida Inicial Final Postergada
Enero 80 80 20 60 -
Febrero - 60 40 20 -
Marzo 80 100 40 60 -
Abril - 60 60 0 -
Mayo 80 80 40 40 -
Junio - 40 60 - 20
Julio 80 60 - 60 -
Agosto - 60 - 60 -
Septiembre 80 140 80 60 -
Octubre - 60 60 - -
Noviembre 80 80 40 40 -
Diciembre - 40 40 - -
Total 480 480 400 20
C2= 80
C3= 15
C4= 10
C1= C2 + C3 + C4
Caso 1:
C2: 80(6) = 480
C3: 400(15) = 6000
175
C4: 20(10) = 200
C1 = C2 + C3+ C4 = 6680
Caso 2
a) Al año se hacen 12 pedidos de 40 unidades cada uno.
b) Con los mismos costos del caso 1
Determinar la política optima
Mes Cantidad Inventario Demanda Inventario Demanda
Recibida Inicial Final Postergada
Enero 40 40 20 20 -
Febrero 40 60 40 20 -
Marzo 40 60 40 20 -
Abril 40 60 60 - -
Mayo 40 40 40 - -
Junio 40 40 60 - 20
Julio 40 20 - 20 -
Agosto 40 60 - 60 -
Septiembre 40 100 80 20 -
Octubre 40 60 60 - -
Noviembre 40 40 40 - -
Diciembre 40 40 40 - -
Total 480 860 480 160 20
Caso 2:
C2: 80(12) = 960
C3: 160(15) = 2400
C4: 200
C1 = C2 + C3+ C4 = 3560
 La política óptima del Caso 2 es mejor.
176
IV. TEORÍA DE
COLAS
TEMAS

 Costos De Los Sistemas De Colas ......................................................... 180 Pág.
 Modelo De Colas: Población Infinita .................................................... 183 Pág.
 Modelo De Colas: Población Finita ...................................................... 190 Pág.
 Análisis Económico De Líneas De Espera .............................................. 195 Pág.
 Ejercicios ............................................................................................ 197 Pág.
177
INTRODUCCIÓN
I Para un Ingeniero Informático es interesante saber que una de las herramientas
matemáticas más poderosas para realizar análisis cuantitativos de las redes de
ordenadores es la teoría de colas. Esta técnica se desarrolló primeramente para
analizar el comportamiento estadístico de los sistemas, de conmutación telefónica,
sin embargo, desde entonces, también ha sido aplicada para resolver muchos
problemas de redes.
Se pueden utilizar sistemas de colas para modelar procesos en los cuales los
clientes van llegando, esperan su turno para recibir el servicio, reciben el servicio
y luego se marchan. Ejemplos de sistemas de colas se encuentran en las cajas
registradoras de los supermercados, en las ventanillas de las entidades
bancarias, en las salas de espera de los consultorios médicos, etc.
Los sistemas de colas pueden definirse mediante cinco componentes:
1. La función de densidad de probabilidad del tiempo entre llegadas.
2. La función de densidad de probabilidad del tiempo de servicio.
3. El número de servidores.
4. La disciplina de ordenamiento en las colas.
5. El tamaño máximo de las colas.
La densidad de probabilidad del tiempo entre llegadas describe el intervalo de
tiempo entre llegadas consecutivas. Podríamos imaginarnos que contratáramos a
alguna persona (por ejemplo, a un estudiante de ingeniería informática) para
observar la llegada de los clientes. A cada llegada de un nuevo cliente, el
observador registraría el tiempo transcurrido desde que ocurrió la llegada del
anterior cliente.
Esquema de un sistema de colas
Después de que hubiese transcurrido un tiempo suficientemente largo de estar

registrando los intervalos de tiempo entre llegadas consecutivas, estos datos
podrían clasificarse y agruparse. La densidad de probabilidad de estas
muestras caracteriza el proceso de llegada.
178
Cada cliente requiere cierta cantidad de tiempo, el que precise el servidor para
realizar el servicio que este cliente demanda. El tiempo de servicio requerido por
cada cliente es tiempo de trabajo activo para el servidor y varía entre un cliente
y otro. Por ejemplo, en la caja de un supermercado un cliente puede presentar
un carro lleno de artículos y el siguiente puede traer únicamente una lata de
refresco. Por eso, para analizar un sistema de colas, además de conocer la
densidad de probabilidad de los tiempos entre llegadas, debe conocerse
también la función de densidad de probabilidad del tiempo empleado en
prestar servicio.
La cantidad de servidores se explica a través de los ejemplos siguientes: muchos
bancos, por ejemplo, tienen una sola cola larga para todos sus clientes y, cada
vez que uno de los cajeros se libera, el cliente que se encuentre primero en la
cola se dirige a la caja que ha quedado libre. A este sistema se le denomina
sistema de cola multiservidor. En otros bancos, cada cajero o cajera, tiene su
propia cola particular. En este caso tendremos un conjunto de colas
independientes en un solo servidor, y no un sistema multiservidor.
La disciplina de una cola describe el orden según el cual los clientes van siendo
atendidos. Los supermercados utilizan el método de servir primero al cliente que
ha llegado antes. En las salas de urgencia de los hospitales se utiliza, más a
menudo, el criterio de atender primero al que está más grave. El primero en ser
atendido no es el que haya llegado antes. En una oficina, ante la fotocopiadora,
es frecuente que primero se despache al que tenga menor trabajo, esto es, entra
primero el que tenga que hacer menos fotocopias.
La capacidad de la cola es el número de clientes máximo que puede contener.
No todos los sistemas de colas poseen una capacidad ilimitada de recepción de
clientes. Cuando hay demasiados clientes que quieren hacer cola, pero solo existe
un numero finito de lugares de espera, algunos de estos clientes pueden no ser
admitidos en la cola.
En resumen: Las colas o líneas de espera son situaciones bastantes corrientes.
Clientes esperando servicio en un banco, alumnos que esperan matricularse,
productos en una línea de producción esperando ser procesados. Los sistemas
que se caracterizan por elementos que tienen que esperar para recibir un servicio
se llaman Fenómenos de Espera. Las colas se pueden caracterizar por los
momentos de llegada de los clientes y por los momentos de salida de estos,
cuando ya han recibido el servicio solicitado. Las llegadas suelen describirse por
medio de una distribución de probabilidad para los intervalos de tiempo entre
las llegadas de dos clientes consecutivos. Igualmente, los tiempos empleados en
prestar cada servicio siguen también una cierta distribución de probabilidad.
Además, un sistema de espera soporta dos costes: el de dar servicio y el de tener
elementos esperado.
179
COSTOS DE LOS SISTEMAS DE

II
COLAS
Un sistema de colas puede dividirse en sus dos componentes de mayor
importancia, la cola y la instalación de servicio. Las llegadas son las unidades
que entran en el sistema para recibir el servicio.
Los elementos que llegan se unen primero a la cola, salvo que no haya línea de
espera en ese instante. En ese caso se dice que la cola esta vacía. Desde la cola,
las llegadas van a la instalación de servicio de acuerdo con la disciplina de la
cola, es decir, de acuerdo con la regla de decidir cuál de las llegadas se sirve
después del que está actualmente recibiendo servicio. Que el primero en llegar
sea el primero en ser servido es una regla común, pero podría servirse con
prioridades, o siguiendo alguna otra regla. Una vez que se completa el servicio,
las llegadas se convierten en salidas.
Ambas componentes del sistema tienen costos asociados que deben de
considerarse.
✓ COSTO DE ESPERA
Esperar significa desperdicio de algún recurso activo que bien se podría
aprovechar en otra cosa. El coste medio de una cola por unidad de
tiempo está dado por CxL , donde C es el costo de espera por
cliente y unidad de tiempo y L=Numero promedio de clientes en la cola.
✓ COSTO DE SERVICIO
Este costo es el que está asociado a la compra de las instalaciones de
servicio, así como los gastos de ponerlas en uso como pueden ser los
gastos de mantenimiento y personal.
✓ SISTEMA DE COSTO MÍNIMO
Aquí hay que tomar en cuenta que tasas bajas de servicio normalmente
darán lugar a largas colas y costos de espera muy altos. Conforme
aumenta el servicio disminuyen los costos de espera, pero aumenta el
costo de servicio. Entonces el propósito es encontrar el balance adecuado
para que el costo total sea el mínimo.
180
ESTRUCTURAS TIPICAS
Las llegadas pueden ser de personas, cartas, carros, incendios, ensambles
intermedios en una fábrica, etc. En la siguiente tabla se muestran algunos
ejemplos de varios sistemas de colas.
TERMINOLOGIA
 Características físicas:
 Servidor: Elemento que presta el servicio solicitado por los clientes.
 Cola: Elementos esperando recibir servicio.
 Sistema: Incluye cola, servidor y el elemento que está siendo servido.
 Cadena: Número de líneas de cola del sistema. Los sistemas de colas son
mono o multicadenas. En los casos más simples el número de cadenas es
el número de servidores en paralelo.
EJEMPLO Nº1 APLICANDO LA DISTRIBUCION POISSON

En un sistema se procesan un promedio de 60 órdenes de cliente por hora. Calcular las
probabilidades que se pueden procesar un pedido en medio minuto o menos, en 1 minuto
o menos y en 2 minutos o menos.
SOLUCIÓN
Trabajando con minutos: Promedio de atenciones:
µ= 60/60 = 1 servicio/minuto.
Calculando
✓ P (Tiempo de servicio ≤0.5 min) = 1 – e-1 (0.5)= 1 – 0.3935
Así, hay una probabilidad de 0.6321 e que se procese un pedido en 1 minuto o menos.
181
OBS:
Dado µ= 0.10 servicio/minuto
Esto significa que hay en promedio 0.1 servicios por minuto. Es decir el tiempo medio o
promedio de servicio es 10, ya que:
1/µ = 1/0.10 = 10
NOTABLE DE KENDALL – LEE PARA SISTEMAS DE COLAS

Para representar los sistemas de colas, KENDALL invento la siguiente notación.
Cada sistema de colas se representa con seis características.
a/b/c/d/e/f
Donde los símbolos a, b, c, d, e y f representan elementos básicos del modelo en
la forma:
a) Distribución de llegadas.
b) Distribución del tiempo de servicio.
c) Número de servidores paralelos.
d) Disciplina de servicio.
e) Número máximo admitido en el sistema.
f) Tamaño de la fuente de llamadas.
La notación estándar reemplaza los símbolos a y b llegadas y servicios por los
códigos siguientes:
▪ M: Distribución de Poisson para los arribos o una distribución exponencial
para los tiempos de servicios.
▪ D: Numero de arribos o tiempo de servicio es determinista o constante.
▪ Ek: Distribución de Erlang o Gamma de la distribución de tiempo entre
arribos o de servicios para el parámetro K.
▪ Gl: Distribución de arribos empíricos.
▪ G: Distribución general con media y varianza conocidos para el numero
de arribos.
DISCIPLINAS DE SERVICIO:
✓ FIFO: Primero en llegar, primero en ser servido.
✓ LIFO: Último en llegar, primero en ser servido.
✓ SEOA: Servicio en orden aleatorio.
Los parámetros e y f, deben ser asignados con los valores siguientes:
∞: Tamaño de la cola es infinito.
N: Tamaño de la cola es acotado.
182
MODELO DE COLAS:
III
POBLACIÓN INFINITA
Elementos de un problema de colas, caso de un servidor:
1. Arribos
• Los arribos ingresan al sistema aleatoriamente.
• Los arribos vienen de una población infinita.
• No se permiten arribos simultáneos.
• Los arribos tienen una distribución de Poisson, la población de una
llegada en cualquier instante de tiempo es la misma que en cualquier
otro momento.
2. Cola
• El tamaño de servicio es aleatorio.
• Los arribos no pueden cambiar lugares en la cola.
3. Servidor
• El tiempo de servicio es aleatorio.
• Pueden haber interrumpido en el servicio.
• Disciplina de servicio: Primero en arribar, primero en ser servido.
• Tiene una distribución exponencial.
4. Salida
• No se permite que las unidades que salen vuelvan a ingresar al sistema.
ARRIBOS  COLA  SERVICIO  SALIDA

SISTEMA
A. MODELO DE UN SERVIDOR Y UN COLA

Según la notación Kendall: M/M/I/FIFO/∞/∞
Consideraciones que se deben conocer para el estudio de sistemas de colas.
¿Puede atender la atención de servicio las demandas de los clientes?, debemos
averiguarlo comparando la tasa de arribos y la tasa de servicios.
1. Si λ > µ, la cola aumenta sin límite.

2. Si λ = µ, no esta tan claro que la cola aumentara sin límites.
3. Si λ < µ, el sistema es funcional, y las expresiones a usar son validad. Si esto
se cumple, se tiene la siguiente información:
λ : Tasa de arribos; arribos, unidades/periodos de tiempo.
1/λ : Media del tiempo entre arribos.
µ : Tasas de servicios; unidades/periodo de tiempo.
183
1/µ: Media del tiempo de servicio.
Factor de utilización: ρ = λ/µ

Si µ > λ, las siguientes expresiones son válidas:
Probabilidad de que un cliente este siendo servido en cualquier tiempo:
Pn >0, Pn > 1 – P0 = 1- (1-ρ) = ρ
Probabilidad que la estación de servicio este ociosa: P0 = 1 – ρ

Probabilidad de tener un cliente en el sistema: P1 = ρ0
Probabilidad de tener dos clientes en el sistema: P2 = ρP1 =
ρ2P0
Generalizando: Probabilidad de tener clientes en el sistema:
Pn = ρnP0 = ρn(1-ρ) n≥0
Numero esperado de clientes en el sistema:
Ls = ∑∞
𝑛=1 𝑛 𝑃𝑛 = ∑ 𝑛(1 − 𝜌)ρ = (1-ρ) ∑ 𝑛ρ = (1-ρ) ρ∑ 𝑛ρ
n n n+1
La serie es convergente:
1
∑ 𝑛ρn-1 = , donde 0 < ρ < 1
(1−𝜌)2
Luego:
1 ρ λ
Ls = (1-ρ)ρ[(1−𝜌)2 ] = (1−ρ) = (1−λ)
Numero esperado de clientes en la cola:

ρ 𝜌2 λ2
Lq = Ls – ρ = (1−ρ) – ρ = = µ(µ−λ)
(1−ρ)
Tiempo promedio de espera de una unidad en la cola:

Si la frecuencia media de servicio es µ, y el tiempo esperado para prestar
servicio es 1/ µ. Esto significa que una llegada al azar puede esperar
encontrar n clientes en el sistema y cada uno de ellos requiere un promedio 1/
µ unidades de tiempo para ser servidos.
1 λ 1 λ
Wq = Ls (µ) = (µ−λ) µ = µ(µ−λ)
Tiempo promedio de espera de una unidad en el Sistema:
1 λ 1 1
Ws = Wq + = (µ−λ) + = (µ−λ)
µ µ
Probabilidad de que la cola exceda a n:

λ
P(L>n) = (µ)n+1
184
RELACIONES PARA LOS MODELOS DE COLAS
Es posible determinar Wq, Ws, Lq, Ls, a partir de una de estas relaciones. Para
cualquier sistema de colas, sin importar las distribuciones de arribos, servicio y
numero de servidores.
Dos de las expresiones generales, a alas que se denominan ecuaciones de flujo
de Little son:
Ls = λWs y Lq = λWq
Otra expresión general:
Ws = Wq + 1/ µ
EJEMPLO Nº 1 RESTAURANT BURGER DONE
Este negocio vende hamburguesa, queso, hamburguesas, papas fritas, refrescos y leche
malteada, así como también artículos espaciales y postres.
Aunque el administrador pretende dar un servicio inmediato a todos los clientes, en
ocasiones llegan más de los que el personal puede atender.
La operación actual de la Burger Done, con una sola caja de pago, un empleado recibe
el pedido, determina su costo total, recibe el dinero del cliente y después surte el pedido.
Luego al siguiente de la cola.
Los datos de arribo al restaurant siguen una distribución de Poisson con una tasa promedio
de 45 clientes/hora. El proceso de recepción y surtido de órdenes por el único empleado
sigue una distribución exponencial con una tasa promedio de 60 servicios/hora.
SOLUCIÓN
Datos: λ = 45 clientes/hr. y µ = 60 servicios/hr., donde µ > λ.
Estudiando el comportamiento del sistema en minutos:
1. Promedio de arribos/minuto
λ = 45/60 = 0.75 arribos/min Entonces 1/ λ = 1.33 minutos/arribo
2. Promedio de los servicios/minuto
µ = 60/60 = 1 servicios/min. Entonces 1/ µ = 1 minuto/servicio
3. Se cumple µ = 1> λ = 0.75
Porcentaje de utilización del servicio:
Ρ = (0.75/1)*100 = 75%
Probabilidad que un cliente que arriba al sistema lo encuentra vacío:
P0 = 1- 0.75/1 = 0.25
Numero promedio de clientes en la cola
0.752 0.5625
Lq = 1(1−0.75) = = 2.25 clientes
0.25
185
Numero promedio de clientes en el sistema de colas

0.75
Ls = 1−0.75 = 3 clientes
Tiempo promedio de espera de un cliente en la cola:

0.75
Wq = 1(1−0.75) = 3 minutos
Tiempo promedio de espera de un cliente en el sistema de colas

1
Ws = 1−0.75 = 4 minutos
MEJORAMIENTO DE LA OPERACIÓN DE SERVICIO

El administrador de Burger Done es consciente de que se puede mejorar el sistema. Esto
lo podemos hacer utilizando cualquiera de las alternativas:
1. Aumentar la tasa promedio de servicio µ, haciendo un cambio creativo en el diseño
o utilizando una nueva tecnología.
2. Añadiendo servicios de manera que sea posible atender a más unidades a la vez.
EJEMPLO Nº 2 RESTAURANT BURGER DONE
Si se considera la alternativa 1: donde el servidor registra y cobra el pedido, luego el

cliente selecciona su pedido el cual se encuentra listo en el aparador para ser recogido.
Mediante esta modalidad la tasa promedio de servicio es µ = 75 clientes/hora.
SOLUCIÓN
Datos
λ: 45 clientes/hr. Entonces 1/ λ = 1.33 minutos/arribo
µ: 75 clientes/hr. Donde µ = 1.25 servicios/min.
Entonces 1/ µ = 0.8 minuto/servicio
Se cumple:
1.25 = µ serv/min. > λ = 0.75 arrb/min.
Característica de operación en minutos:
Probabilidad que el sistema este desocupado:
Po = 1 – λ/ µ = 1 0 (0.75 /1.25) = 1- 0.6 = 0.40
También
186
1 1
P0 = 1 λ 𝑛 1 λ µ
= 2.5 = 0.40
(∑0𝑛=0 ( ) )+ ( )
𝑛! µ 1! µ µ− λ
✓ Promedio del número de clientes en la cola : 0.900 clientes

✓ Promedio del número de clientes en el sistema : 1.500 clientes
✓ Tiempo promedio de espera en la cola : 1.200 min.
✓ Tiempo promedio de espera en el sistema : 2.000 min
B. MODELO DE COLA MULTISERVICIO

Se pueden deducir expresiones semejantes para un problema de cola multicanal
siempre y cuando se suponga una población infinita. Estas ecuaciones son más
generales que las anteriores, ellas pueden reducirse al caso de canal simple
haciendo k =1.
Las características de operación de las líneas de espera de canales múltiples
pueden aplicarse solo a situaciones donde kµ > λ. La tasa promedio de servicio
del sistema con k servidores es kµ el factor de utilización del sistema.
Según la notación de Kendall:
M/M/K/FIFO/∞/∞
Características de operación:
LA probabilidad P0 de hallar vacío de sistema es:
1
P0 = 1 λ 𝑛 1 λ 𝑘 kµ
(∑𝑛=𝑘−1
𝑛=0 𝑛!(µ) )+ 𝑘!(µ) kµ− λ
La probabilidad de Pn clientes en el sistema:

λ 𝑛
( ) P0
µ
Si n≤k Pn = n!
λ 𝑛
( ) P0
µ
Si n>k Pn = k!𝑘 (𝑛−𝑘)
Numero promedio de unidades en la cola:

λ 𝑘
λµ( )
µ
Lq = (𝑘−1)!(𝑘µ−𝑘)2 Po
Numero promedio de unidades en el sistema de colas:

λ 𝑘
λµ( ) λ
µ
Ls = (𝑘−1)!(𝑘µ−λ)2Po + µ
Tiempo promedio de espera de una unidad en la cola:

λ 𝑘
µ( )
µ
Wq = (𝑘−1)!(𝑘µ−λ)2Po
187
Tiempo promedio de espera de una unidad en el sistema de colas:

λ 𝑘
µ( ) 1
µ
Ws = (𝑘−1)!(𝑘µ−λ)2Po + µ
TABLA:
Valores de P0 para líneas de espera de canales múltiples con llegadas según Poisson y
tiempos de servicio exponencial.
NÚMERO DE CANALES (K)
RAZON λ/µ 2 3 4 5
0.15 0.8605 0.8607 0.8607 0.8607
0.20 0.8182 0.8182 0.8182 0.8182
0.25 0.7778 0.7778 0.7778 0.7778
0.30 0.7391 0.7391 0.7391 0.7391
0.35 0.7021 0.7021 0.7021 0.7021
0.40 0.6667 0.6667 0.6667 0.6667
0.45 0.6327 0.6327 0.6327 0.6327
0.50 0.6000 0.6061 0.6065 0.6065
0.55 0.5686 0.5763 0.5769 0.5769
0.60 0.5385 0.5479 0.5487 0.5488
0.65 0.5094 0.5209 0.5219 0.5220
0.70 0.4815 0.4952 0.4965 0.4966
0.75 0.4545 0.4706 0.4722 0.4724
0.80 0.4286 0.4472 0.4491 0.4493
0.85 0.4035 0.4248 0.4271 0.4274
0.90 0.3793 0.4035 0.4062 0.4065
0.95 0.3559 0.3831 0.3863 0.3867
1.00 0.3333 0.3636 0.3673 0.3678
1.20 0.2500 0.2941 0.3002 0.3011
1.40 0.1765 0.2360 0.2449 0.2463
1.60 0.1111 0.1872 0.1993 0.2014
1.80 0.0526 0.1460 0.1616 0.1646
2.00 0.1111 0.1304 0.1343
2.20 0.0815 0.1046 0.1094
EJEMPLO Nº 3 RESTAURANTE BRUGER DONE
Ampliando el sistema del Restaurante de Burger Done; mantenimiento la tasa de servicio

para dos servidores k=2 y una sola cola.
SOLUCIÓN
Recordando:
Promedio del número de arribos/minuto λ = 0.75
Media del tiempo entre arribos: 1/ λ = 1.33 minutos
Promedio del número de servicios/minuto µ = 1
188
Media del tiempo de servicio: 1/ µ = 1 minutos

Se cumple k µ = 2(1) > λ = 0.75
Numero promedio de clientes en la cola:
0.75 2
0.75∗1( )
Lq = (2−1)!(2∗1−0.75)2(0.4545) = 0.1227 clientes
1
Numero promedio de clientes en el sistema:

Ls = Lq + λ/µ = 0.1227 + 0.75 = 0.8727 clientes
Tiempo promedio de un cliente en la cola
Wq = Lq/λ = 0.1227/0.75 = 0.16 minutos
Tiempo promedio de un cliente en el sistema:

Ws = Wq + 1/ µ = 0.16 + 1 = 1.16 minutos
189
MODELO DE COLAS:
IV
POBLACIÓN FINITA
En algunos casos, el número de clientes potenciales es tan pequeño, que el arribo
de un cliente para ser atendido o la terminación de un servicio afecta la
probabilidad de futuras llegadas. Como regla empírica, si la población es menor
que 30 deben usarse las ecuaciones correspondientes a una población finita.
Por ejemplo, si un operador atiende tres máquinas y cada una requiere atención
a intervalos aleatorios, las maquinas (clientes) provienen de una población finita.
A. MODELO DE COLA SIMPLE
La probabilidad P0 de hallar vacío el sistema es:
1 1
P0 = λ 𝑛
, P0 = 𝑀! λ 𝑛
(∑𝑀
𝑛=0(µ) ) (∑𝑀
𝑛=0[(𝑀−𝑛)!(µ) ])
La probabilidad Pn de hallar n clientes en el sistema

M! λ 𝑛
Pn = ( ) P0 n= 0,1,…..
(𝑀−𝑛)! µ

𝑝 P𝑀∗1 (𝑀∗1)
Ls = - Po
1−𝑝 1− 𝑃𝑀∗1
En esta expresión se observa, que no es necesario p<1 , es decir que el sistema

sigue estable cuando λ ≥ µ.
Lq = Ls – (1 – P0)
Wq = Lq/𝜆̅ , 𝜆̅ = λ * (1 – P(M))
Tiempo promedio de un cliente en el sistema:
Ws = Wq + 1/µ
190
EJEMPLO Nº 1 REPARACION DE MAQUINAS
UN MECANICO ATIENDE CUATRO MAQUINAS. Para cada máquina, el tiempo medio

entre requerimiento de servicio es de 10 horas y se supone que tiene una distribución
exponencial. El tiempo de reparación tiende a seguir la misma distribución y tiene un
tiempo medio de 2 horas. Cuando una maquina queda en reparación, el tiempo perdido
tiene un valor de $20/hora. El servicio del mecánico cuesta $50/hora.
SOLUCIÓN
Mecánico (k = 1) que atiende cuatro máquinas: M =4
X1: Arribos
Media del tiempo entre arribos:
E(X1) = 1/λ1 = 0 hrs. Promedio del número de arribos/hrs.
λ1 = 0.10
X2: Servicio:
Media del tiempo de servicio.
E(X2) = 1/λ2 = 2 hrs. Promedio del número de arribos/hrs.
λ2 = 0.50
a. Probabilidad que el sistema este vacío o probabilidad de que no haya
maquinas malogradas:
P0 = 1/1.2496 = 0.80025
b. Número esperado de máquinas que no funcionan(malogrados) en el sistema

de cola:
Ls = 0.2/0.8 – 5*0.00032/0.99968 = 0.25 – 0.0016 = 0.248
c. Número esperado de máquinas que esperan servicio:

Lq = 0.248 – 0.19975 = 0.04825
d. Numero esperado de máquinas que funcionan en el sistema:

M – Ls = 4 – 0.28 = 3.752
e. Tiempo promedio de espera de una maquina en la cola:

4! 0.1 4
P4 = ( ) (0.80025) = 0.0307296, 𝜆̅ = 0.1(1 − 0.0307296)
0! 0.5
= 0.096926
Wq = 0.04825/0.096926 0.4825
f. Tiempo promedio de una maquina en el sistema de colas:

Ws = 0.4825 + 1/0.5 = 2.4978
g. Costo total/hora = costo total de espera + costo total de servicio:

Ct = 20(2.4825)0.10 + 50(1) = 54.965
191
MEJORAMIENTO DE LA OPERACIÓN DE SERVICIO

¿Sería deseable tener dos mecánicos para cada uno tienda solo dos máquinas?
Considerando este caso responde a las preguntas de a) a i).
SOLUCIÓN:
Considerando que tienen dos máquinas con las mismas características, cada
mecánico atiende dos máquinas.
a. Probabilidad que no haya maquinas malogradas:

1
P0 = = 1/1.240 = 0.08064516
∑2𝑛=0 0.2𝑛
b. Numero esperado de máquinas en el sistema de colas (maquinas que no

funcionan):
0.2 (2∗1)0.23
Ls = - = 0.25 – 0.024/0.992 = 0.2258
1−0.2 1−0.23
c. Número de máquinas que esperan servicio:

Lq = 0.2258 – 0.194 = 0.0322
d. Numero de máquinas que funcionan en el sistema:

M – Ls = 2 – 0.2258 = .7742
e. Tiempo promedio de espera de una máquina en la cola:

P2 = 2!/0! *(0.2)2(0.806) = 0. 06448, 𝜆̅ = 0.1 (1-0.06448) = 0.093552
Wq = Lq/𝜆̅ = 0.0322/0.093552 = 0.322
f. Tiempo promedio de espera de una maquina en el sistema de cola:

Ws = 0.322 + 1/0.5 = 2.322
g. Coso total/hora = Costo total de espera + costo total de servicio:

Costo total/hora = CqWsλ + Csk
Ct = 20(2.322)0.10 + 50(1) = 54.644
Por los dos sistemas Ct = 2*54.965 = 109.288
Luego: 109.288 > 54.965. No se justifica emplear dos hombres.
192
B. MODELO DE COLA MULTISERVICIO

Se supone que el número k de servicios es mayor que 1, por tanto 1 <k ≤M, el
sistema se mantiene estable aun cuando λ ≥kµ, esto se debe porque, λ = 0ara
todo n>M.
Probabilidad de hallar vacío el sistema:
1
P0 = 𝑀! 𝜆 𝑛 𝑀! 𝜆 𝑛
∑𝑛=𝑘−1 𝑛=𝑀
𝑛=0 [(𝑀−𝑛)!𝑛!(µ) ]+∑𝑛=𝑘 [(𝑀−𝑛)!𝑘!𝑘𝑛−𝑘 (µ) ]
Probabilidad de hallar n clientes en el sistema:

M! λ
Pn = P0
(M−n)!n!
( )n Donde 0≤n<k
µ
M! λ
Pn = P0
(M−n)!k!kn−k
( )n Donde k ≤ n ≤ M
µ

𝑛=𝑀
Lq = ∑𝑛=𝑘+1(𝑛 − 𝐾)Pn
𝑀
Ls = ∑𝑛=𝑘+1 𝑛Pn

Wq= Lq/ 𝜆̅ Donde: 𝜆̅ = 𝜆(𝑀 − 𝐿𝑠)
Tiempo promedio de espera de un cliente en el sistema:

𝐿𝑠
Ws = 𝜆̅
EJEMPLO Nº 2 REPARACION DE MAQUINAS
Población: M = 4 máquinas, Numero de mecánicos K =2

Arribos: λ1 = 0.10 hrs y Servicio λ2 = 0.50 hrs
λ = 0.10 hrs µ = 0.50 hrs
Características de operación:
a. Probabilidad que no haya maquinas malogradas:
1
P0 = 4! 0.1 4! 0.1 𝑛 = ½.0928 =
∑𝑛=𝑘−1 𝑛 𝑛=4
𝑛=0 [(4−𝑛)!𝑛!(0.5) ]+∑𝑛=2[(4−𝑛)!2!2𝑛−2 (0.5) ]
0.4778
193
Calculando las probabilidades:

4!
✓ n=0 (0.20 ) = 1
4!0!
4!
✓ n=1 (0.21 ) = 0.8 => P1 = 0.4778*0.8 = 0.38224
4!0!
4!
✓ n=2 (0.22 ) = 0.24 => P= 0.4778*0.24 = 0.11467
2!2!20
4!
✓ n=3 (0.23 ) = 0.048 => P1 = 0.4778*0.048 = 0.02293
1!2!2
4!
✓ n=4 (0.24 ) = 0.0048 => P1 = 0.4778*0.0048 = 0.0.00229
1!2!22
b. Numero esperado de máquinas que se noe3 separaran en la cola:

Lq = (3-2)P3 + (4-2)P4 = 0.02751
c. Numero esperado de máquinas que no funcionan(malogradas) en el sistema:

Ls = ∑𝑀
𝑛=0 𝑛𝑃𝑛
Ls =0*P0 + 1 *P1 + 2*P2+ 3*P3+4*P4
d. Número esperado de máquinas que funcionen en el sistema

= 4 – 0.6895 = 3.3105
e. Tiempo promedio de espera de una máquina en la cola:

Wq = Lq/λ
W20.02751/0.331 0 0.0831 donde λ = 0.10(4 – 0.68953 = 0.33
f. Tiempo promedio de espera de una maquina en el sistema.
Ws = Ls/λ
Ws =0.6895/0.3310 =2.083
g. Costo total/hora = Costo total de espera + costo total de servicio:
Costo total/hora = Cq Wsλ + Csk = 20*2.083*0.1+50*2 = 104.166
194
ANÁLISIS ECONÓMICO DE
VI
LÍNEAS DE ESPERA
Con mucha frecuencia, las decisiones sobre el diseño de líneas de espera, como
la determinación del número de canales, se basa en una evaluación subjetiva de
las características de la cola. La naturaleza de los costos de servicios influye en
el método para encontrar el sistema de menor costo.
Pueden utilizarse los modelos que se presentaron anteriormente para determinar
el número de servidores que es posible emplear para satisfacer las metas de
desempeño de las líneas de espera que fijan los administradores. Con objeto de
realizar un análisis económico de un sistema de línea de espera y el de ofrecer
el servicio.
EVALUACION DEL SISTEMA CUANDO SE CONOCE EL COSTO DE ESPERA:
Cuando los costos de servicio cambian en forma escalonada, se usa la técnica de
prueba y error para encontrar el Sistema de menos costo. Se calcula el costo
total para una tasa de servicio, después para la siguiente y así sucesivamente.
Esto se continúa hasta que se encuentra un límite inferior o un mínimo tal, que al
aumentar o disminuir las tasas de servicio de costo total más altos. Con una Buena
selección de las tasas que se van a examinar, casi siempre puede encontrarse el
mínimo en tres o cuatro pruebas.
EJEMPLO Nº 1 TAMANO DE UNA VRIGADA
Se tiene un muelle de carga y descarga de camiones, se desea saber cuántos miembros

debe tener la brigada para atender a los mineros. El muelle tiene espacio solo para un
camión, pero el tiempo de carga o descarga puede reducirse aumentando el tamaño de
la brigada.
Las llegadas tienen distribución Poisson y los tiempos de servicio una distribución
exponencial, la tasa promedio de servicio es un camión/hora para un cargar, los
cargadores adicionales aumentan la tasa de servicio proporcionalmente.
Los camiones llegan con una tasa de dos/horas en promedio y que el costo de espera es
de $20/hora por camión. Si se paga $5/hora a cada miembro de la brigada. ¿Cuál es
el mejor tamaño de la muestra?
195
SOLUCIÓN
Datos: λ = 2 camiones/hor. Entonces 1/λ = 0.5hr/camión

µ = 1 camión/hora/camión Entonces 1/µ= 1 hr/camión
Cq = costo de espera $20/hora/camión.
Cs = Costo por servicio $5/hora/persona
K = Número de personas en la brigada.
Para una brigada de 4 personas:
2
✓ Ls = = 1 camión
4−2
✓ Ct = 20(1) + 4(5) = $40
Para una brigada de 5 personas:
2
✓ Ls = = 5−2 = 0.67 camiones
✓ Ct = 20(0.67) + 5(5) = $38.33
Para una brigada de 6 personas
2
✓ Ls = = 6−2 = 0.5 camiones
✓ Ct = 20(0.5) + 6(5) = $40
Este costo es mayor que el de la brigada 5. Entonces el tamaño de la abrigada
es de 5 personas. Observando el gráfico.
También:
Costo total/hora = CQWSλ+CSK
196
EVALUACION DEL SISTEMA CON COSTOS DE ESPERA DESCONOCIDOS

Existen muchas situaciones en las que se prefiere no dar un valor monetario al
costo de espera, porque no se tiene una forma razonable de estimar este costo.
¿Cuál es el costo de espera de un cliente en un banco, supermercado o
restaurant? ¿También es realmente lineal el costo de espera?, preguntas difíciles
de contestar. Pero se cuenta con otro método que no requiere datos explícitos
de este costo.
En lugar de estimar el costo de espera, el administrador puede especificar un
promedio mínimo de tiempo de espera en la cola(o para Lq, la longitud de la
línea en la cola).
Con este límite superior puede encontrarse la tasa de servicios necesaria para
cualquier tasa de llegada dada. Aunque este método no proporciona un Sistema
optimo, se da un diseño que está de acuerdo con las especificaciones de la
administración.
197
EJERCICIOS
VII
PROBLEMA Nº 1
Mac Donald’s de San Borja, en su operación es con una sola caja de pago, un empleado
recibe el pedido, determina su costo total, recibe el dinero del cliente y después surte el
pedido. Luego al siguiente de la cola. Los datos del arribo del restante siguen una
distribución de Poisson con una tasa promedio de 60 clientes/hora. El proceso de
recepción y surtido de órdenes por el único empleado sigue una distribución exponencial
con una tasa promedio de 75 servicios/hora.
MODELO M/M/1
60
ʎ = 60Clientes/hora = = 1 cliente (arribos)/min
60
1
= 1 min/arribo
ʎ
µ = 75 Servicios/hora
75 1
= 1.25 servicios/min  = 0.8 min/servicios
60 µ
ʎ 1
ρ= = = 0.8 < 1
µ 1.25
CLIENTES COLA SERVICIO SALIDA
a) Porcentaje de utilización del servicio

ʎ 60
ρ (100) = ρ = = = 0.8*100 = 80% es utilizado
µ 75
b) Probabilidad que un cliente que arribe al sistema lo encuentre vacío
Po = 1- ρ = 1- 0.8 = 0.2
c) Número de clientes en la cola
ʎ2 602
𝐿𝑞 = = = 3.2  3 clientes que hacen cola
µ(µ−ʎ) 75(75−60)
1 60
d) 𝐿𝑠 = = = 4 clientes en el sistema de los cuales 3 están en la cola
(µ−ʎ) (75−60)
ʎ
e) 𝑊𝑞 = = 0.0533 horas = 3.2 min  Cada cliente espera 3.2 min en la
µ(µ−ʎ)
cola
198
1
f) 𝑊𝑠 = = 0.0.0667 horas = 4 min  Cada cliente espera 4 min en el
(µ−ʎ)
sistema
PROBLEMA Nº 2
En un servidor de la universidad se mandan programas de ordenador para ser ejecutados.

Los programas llegan al servidor con una tasa de 10 por minuto. El tiempo medio de
ejecución de cada programa es de 5 segundos y tanto los tiempos entre llegadas como
los tiempos de ejecución se distribuyen exponencialmente.
El sistema es M/M/1
a) ¿Qué proporción de tiempo está el servidor desocupado?

b) ¿Cuál es el tiempo esperado total de salida de un programa?
c) ¿Cuál es el número medio de programas esperando en la cola del sistema?
PROGRAMAS COLA SERVIDOR EJECUTADOS
SOLUCIÓN
El sistema es M/M/1 con λ = 10 trabajos por minuto y µ = 12 trabajos por minuto.
Se asumirá que el sistema es abierto y que la capacidad es infinita. Como ρ = 10/12

< 1, el sistema alcanzara el estado estacionario y se pueden usar las formulas
obtenidas en clase.
199
a) El servidor estará desocupado 1 − 5/6 = 1/6 del total, esto es, 10 segundos
cada minuto (ya que el ordenador está ocupado 5 × 10 = 50 segundos por
minuto).
b) Tiempo medio total es W = 1 /µ (1−ρ) = 1 /12(1−5/6) = 1/2 minuto por
programa.
c) El número medio de programas esperando en la cola es Lq = ρ * ρ / 1−ρ = 4.16
trabajos
PROBLEMA Nº 3
Los trabajadores de una fábrica tienen que llevar su trabajo al departamento de control
de calidad antes de que el producto llegue al final del proceso de producción. Hay un
gran número de empleados y las llegadas son aproximadamente de 20 por hora,
siguiendo un proceso de Poisson. El tiempo para inspeccionar una pieza sigue una
distribución exponencial de media 4 minutos. Calcula el número medio de trabajadores
en el control de calidad si hay:
▪ 2 inspectores.
▪ 3 inspectores.
200
SOLUCIÓN
a) Sistema M/M/2
con λ = 20 y µ = 15. Entonces L = 2.4 empleados.
b) Sistema M/M/3 con λ = 20 y µ = 15. Entonces L = 1.47 empleados.
201
PROBLEMA Nº 4
PETROPERÚ estudia la utilización de la gasolinera. La gasolinera tiene 6 bombas, 4 para

gasolina NOVA, 1 para gasolina EXTRA y otra para DIESEL. Las llegadas de autobuses
que cargan DIESEL muestran una distribución que se aproxima a la de Poisson, mientras
que el servicio muestra una distribución exponencial. El promedio de llegadas a la bomba
de DIESEL es de 5 autobuses por hora, mientras que los servicios promedios en esa bomba
son de 7 por hora. Sólo se puede dar servicio en esa bomba a un autobús a la vez, y se
sirve a los autobuses en el orden en que llegan a la bomba. Encuentre todos los
parámetros que describen cuantitativamente a esta bomba DIESEL, para que
posteriormente se pueda tomar una decisión acerca de la instalación de otras bombas
DIESEL en este lugar.
𝜆 = 5𝑎𝑟𝑟𝑖𝑏𝑜𝑠/ℎ𝑜𝑟𝑎
𝜇 = 7𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜𝑠/ℎ𝑜𝑟𝑎
a. Probabilidad de encontrar la bomba DIESEL vacía:
𝜆 5
𝑃0 = 1 − 𝜌 = 1 − = 1 − = 0.2857 ≈ 28.5%
𝜇 7
b. La probabilidad de encontrar un autobús cargando y otros dos esperando en

cola:
3
5 3
𝑃3 = 𝜌 𝑥𝑃0 = ( ) 𝑥 𝑃0 = 03644 𝑥 0.2857
7
= 0.1041
c. El número esperado de autobuses haciendo cola:

𝜆2 52
𝑃𝑞 = = = 1.7857 = 1.8 Autobuses esperando en la cola.
µ(𝜇−𝜆) 7(7−5)
d. El número promedio de autobuses en el sistema (esperando en la cola y en el

taller):
𝜆 5
𝐿𝑠 = = = 2.5
𝜇 − 𝜆 (7 − 5)
e. El tiempo promedio de espera en la cola para recibir servicio:
𝜆 5
𝑊𝑞 = = = 0.3571 horas ≈ 22 minutos
µ(𝜇 − 𝜆) 7(7 − 5)
f. El tiempo promedio en el sistema:

1
𝑊𝑠 = 𝑊𝑞 + = 0.5 ℎ𝑜𝑟𝑎𝑠 ≈ 30 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
𝜇
202
PROBLEMA Nº 5
Suponga que en una estación con un solo servidor llegan en promedio 45 clientes por
hora, se tiene capacidad para atender en promedio a 60 clientes por hora. Se sabe que
los clientes esperan en promedio 3 minutos en la cola.
λ= 45 clientes/hora (media de llegada de los clientes) = 45/60 clientes/minutos.
µ= 60 clientes/hora (media de servicio a los clientes) = 60/60 clientes/minutos.
Wq = 3 minutos (tiempo promedio de espera de un cliente en la cola)
a. Tiempo promedio que un cliente pasa en el sistema.
b.
1 1
𝑊 = 𝑊𝑞 + = 3𝑚𝑖𝑛𝑢𝑡𝑜𝑠 + = 4𝑚𝑖𝑛𝑢𝑡𝑜𝑠
𝜇 1
Es decir, en promedio un cliente pasa 4 minutos en el Sistema: distribuidos así 3

minutos pasa esperando en la cola + 1 minutos en servicio.
203
c. Número promedio de clientes en la cola, para calcular el número de clientes en

la cola (Lq), usaremos la fórmula siguiente:
𝐿𝑞 = 𝜆 𝑥 𝑊𝑞
Al operar resulta:
𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
= 0.75 𝑥 3𝑚𝑖𝑛𝑢𝑡𝑜𝑠 = 2.25 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
𝑚𝑖𝑛𝑢𝑡𝑜
Es decir, los cálculos nos muestran que en la cola puede haber más de dos
clientes en la cola.
d. Número promedio de clientes en el Sistema en un momento dado, para calcular

cual es el número de clientes en la cola (Ls). Lo podemos hacer con la fórmula:
𝐿𝑠 = 𝜆 𝑥 𝑊𝑠
Al operar resulta:
= 0.75 𝑥 4𝑚𝑖𝑛𝑢𝑡𝑜𝑠 = 3 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
Es decir, en promedio hay tres clientes en el sistema, como se nos ha dicho que
solo hay un servidor, sabemos que solo un cliente puede estar en servicio, por lo
que los demás deben estar en la cola. Esto indica que hay dos clientes en espera.
204
PROBLEMA Nº 6
Suponga un restaurante de comidas rápidas al cual llegan en promedio 100 clientes por
hora. Se tiene capacidad para atender en promedio a 150 clientes por hora Se sabe
que los clientes esperan en promedio 2 minutos en la cola Calcule las medidas de
desempeño del sistema.
λ= 100 clientes/hora (media de llegada de los clientes)= 100/60 clientes/minutos
µ= 150 clientes/hora (media de servicio a los clientes) = 150/60 clientes/minutos=
Wq = 2 minutos (tiempo promedio de espera de un cliente en la cola)
a. ¿Cuál es la probabilidad que el sistema este ocioso?

Para conocer cuál es la probabilidad de que el sistema este ocioso, primero
conoceremos, cual es la probabilidad que esté ocupado o factor de utilización
del sistema.
𝜆 100𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠/ℎ𝑜𝑟𝑎
𝜌= = = 0.66 ≈ 66.7%
𝜇 150𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠/ℎ𝑜𝑟𝑎
Este porcentaje representa tiempo que el sistema está ocupado. Es decir (1- ρ)
representa el tiempo ocioso del sistema, es decir 1- 0.667= 0.333 = 33.3% el
sistema permanece ocioso.
b. ¿Cuál es la probabilidad que un cliente llegue y tenga que esperar, porque el

sistema está ocupado?
La probabilidad que un cliente llegue y tenga que esperar es suponer que
estará como primer cliente en la cola. Usaremos la fórmula:
𝜆 𝜆 𝑛
𝑃𝑛 = (1 − ) ( ) ; 𝑑𝑜𝑛𝑑𝑒 𝑛 = 1, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠:
𝜇 𝜇
205
𝜆 𝜆 1 100 100 1
𝑃1 = (1 − ) ( ) = (1 − )( ) = (1 − 0.667)(0.667) = 0.222
𝜇 𝜇 150 150
= 22.2%
Es decir existe un 22.2% de posibilidad que haya un cliente en la cola
esperando ser atendido.
c. ¿Cuál es el número promedio de clientes en la cola?

Ahora requerimos calcular el número de clientes en la línea de espera.
𝐿𝑞 = 𝜆 𝑥 𝑊𝑞 = 1.667 𝑥 2 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 = 3.334 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 ≈ 4 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
Es decir existe la posibilidad de llegar a tener un promedio de 4 clientes en la

línea de espera.
d. ¿Cuál es la probabilidad que hayan 10 clientes en la cola?

La probabilidad de que hayan 10 clientes en la cola, como hemos visto existe un
promedio de tener hasta 4 clientes en la cola que hayan más de 4 las
probabilidades serán muy pequeñas, para ese cálculo haremos uso de la
fórmula que usamos en el inciso b de este mismo ejemplo.
𝜆 𝜆 10 100 100 10
𝑃10 = (1 − ) ( ) = (1 − )( ) = (1 − 0.667)(0.667)10
𝜇 𝜇 150 150
= 0.0058 = 0.58%
El resultado es muy cercano a cero. Es decir es muy remoto o poco probable que
pueda haber 10 clientes en la línea de espera.
206
PROBLEMA Nº 7
El restaurante Burger King vende, hamburguesas, papas fritas, refrescos, etc. Aunque el
administrador pretende dar un servicio inmediato a todos los clientes en ocasiones llegan
más de los que el personal puede atender. La operación actual de Burger King es con dos
cajas de pago dos empleados recibe el pedido, determina su coste total, recibe el dinero
del cliente y hace el pedido. Luego el siguiente de la cola. Los datos de arribo del
restaurante siguen una distribución de Poisson con una tasa promedio de 45 clientes/hora.
El proceso de recepción y surtido de órdenes por 2 empleados sigue una distribución
exponencial con una tasa promedio de 60 servicios/hora. Determinar:
Modelo M/M/S
a) Probabilidad de hallar el sistema vacío
45
ʎ = 60 = 0.75 arribos/minutos
60
𝜇 = 60 = 1 servicios/minutos
Según la tabla para s=2 servicios

P0 = 0.4545
b) Numero promedio de clientes en la cola
ʎ 𝑠 0.75 2
ʎµ( ) 1 0.75x1( ) 1
µ
Lq = (𝑠−1)! .(𝑠𝜇−ʎ)2 . P0 = (2−1)!
1
. (2(1)−0.75)2 . (0.4545) = 0.1227 Clientes
c) Numero promedio de clientes en el sistema

ʎ
Ls = Lq + 𝜇 = 0.1227 + 0.75 = 0.8727: Clientes
207
d) Tiempo promedio de un cliente en la cola

𝐿𝑞 0.1227
Wq = = = 0.16
ʎ 0.75
e) Tiempo promedio de un cliente en el sistema

1
Ws = Wq + 𝜇 = 0.16 +1 = 1.16 min
PROBLEMA Nº 8
Movies ‘Edu’ es un establecimiento típico de renta de videos y de DVD para clientes que
acostumbran ver películas en casa. Durante la noche los clientes llegan a una tasa
promedio de 1.25clientes/minutos, el encargado del establecimiento puede tener una
tasa promedio de 2servicios/minuto. Los datos siguen una distribución de Poisson y
tiempos de servicios exponenciales.
Modelo M/M/1
a) Probabilidad que establecimiento se encuentre sin clientes

𝜇 = 2 ʎ = 1.25 𝜇 > ʎ
ʎ 1.25
P0 = 1 - 𝜇 = 1 - = 0.375
2
b) Numero promedio de clientes en la cola

ʎ2 1.252 1.5625
Lq = = = = 1.047 clientes
𝜇(𝜇−ʎ) 2(2−1.25) 1.5
c) Cual es el tiempo promedio que espera un cliente para que comience el servicio
208
ʎ 1.25
Wq = = = 0.8333 minutos
𝜇(𝜇−ʎ) 2(2−1.25)
d) Cual es el tiempo promedio de un cliente en el sistema

1 1
Ws = Wq + = 0.8333 + = 1.333 minutos
𝜇 2
PROBLEMA Nº 9
Una compañía de taxis atiende al Centro de Lima. La compañía posee 4 taxis. Las llamadas llegan
a las despachadoras a una tasa de 16 clientes/horas. El tiempo promedio por viaje es 12 minutos.
Las llamadas llegan de acuerdo con una distribución de Poisson y el tiempo de viaje exponencial.
Determinar: M/M/4:
λ= 16 llamadas/hora
µ= 5 viajes/hora
SERVICIO
SERVICIO
SALIDA
CLIENTES COLA
SERVICIO
SERVICIO
209
a. Probabilidad que el sistema esté vacío.
1 1
𝑃0 = = =⋯ 𝛼
𝑃𝑛 𝑃𝑠 𝑆 3.2𝑛 𝑃4 4
(∑𝑠−1 ) + ( (∑3𝑛=0 𝑛! ) + ( 4! (4 − 𝑃))
𝑛=0 𝑛! 𝑆! (𝑆 − 𝑃 ))
3 𝑃3 𝑃 0 𝑃1 𝑃 2 𝑃 3 3.22 3.23
(∑ )= + + + = 1 + 3.2 + +
𝑛=0 3! 0! 1! 2! 3! 2 6
= 1 + 3.2 + 5.12 + 5.4613 = 14.7813 = … (i)

𝑃2 𝑆 3.24 4 4
( )= +( ) = 4.369 ( ) = 4.369(5)
𝑆! 𝑆 − 𝑃 4! 4 − 3.2 0.8
= 21.845 … (𝑖𝑖)
Ahora (i) y (ii) en (α)
1
𝑃0 = = 0.0273
14.7813 + 21.845
b. Numero de promedio de clientes en la cola.
𝑃 𝑠+1 1 𝑃5 1 3.25 1
𝐿𝑞 = . 𝑃0 = . 𝑃0 = . 𝑃
𝑆 − 1 (𝑆 − 𝑃)2 4 − 1 (4 − 𝑃)2 3 (4 − 3.2)2 0
𝐿𝑞 = 55.924(1.5625)(0.0273) = 2.3855 = 2.386
c. Tiempo promedio de espera en la cola (Wq)
𝐿𝑞 2.386
𝑊𝑞 = = = 0.1491
𝜆 16
210
PROBLEMA Nº 10
Un lavacarro puede atender un auto cada 5 minutos y la tasa media de llegadas es de

9 autos por hora. Obtenga las medidas de desempeño de acuerdo con el modelo
M/M/1.
Además, la probabilidad de tener 0 clientes en el sistema, la probabilidad de tener una
cola de más de 3 clientes y la probabilidad de esperar más de 30 minutos en la cola y
en el sistema
SOLUCIÓN:
Se conoce la siguiente información:
✓ λ= 9 clientes/hora (media de servicio a los clientes) = 0.15 clientes/minutos
✓ µ= 0.2 clientes/minutos (media de llegada de los clientes)
a) Vamos calcular el factor de desempeño del sistema calculando ρ.
𝜆 0.15 𝑐𝑙𝑖𝑒𝑛𝑡𝑒/ℎ𝑜𝑟𝑎
𝜌= = = 0.75 = 75%
𝜇 0.20 𝑐𝑙𝑖𝑒𝑛𝑡𝑒/ℎ𝑜𝑟𝑎
211
El sistema está ocupado el 75% del tiempo. Ósea pasa un 25% ocioso. Es decir,
la probabilidad de tener 0 clientes en el sistema es cuando el sistema está vacío y
eso puede ocurrir con una probabilidad del 25%. Su cálculo puede hacerse
directamente con la fórmula:
b) La probabilidad de tener una cola de más de 3 clientes
La probabilidad que haya más de tres clientes en el Sistema, implica que

debemos conocer la Probabilidad que haya cero, uno, dos y tres clientes.
La diferencia con 1, será la probabilidad que hayan más de tres.
P(Ls>3) =1 – (P0 + P1 + P2 + P3) = 1- (0.25+0.1875+0.1406+0.1055)
=1 – 0.6836=0.3164
c) La probabilidad de esperar más de 30 minutos en la cola.

Primero calcularemos el tiempo promedio que un cliente espera en la cola.
Minutos (es el tiempo promedio que el

cliente tiene que esperar en la cola)
Ahora vamos a calcular tiempo (t) de espera sea mayor de 30 minutos.
Vamos aplicar esta ecuación para calcular la
probabilidad
212
= (0.75) (0.2231) =0.167=16.7% (COMO PUEDE VER LA PROBABILIDAD

ES BAJA)
d) La probabilidad de esperar más de 30 minutos en el Sistema.
Vamos aplicar esta ecuación para calcular

dicha probabilidad.
0.2231= =22.3%
(COMO PUEDE VER LA PROBABILIDAD ES BAJA, pero es más alta que la

probabilidad de que el tiempo promedio que un cliente espere más de 30
minutos en la cola).
213
V. PROGRAMACIÓN
DINAMICA
TEMAS
 Conceptos Básicos De Programación Dinámica .................................... 215 Pág.

 Estrategia Básica. Ejemplos Demostrativos .......................................... 218 Pág.
 Programación Dinámica Con Variables Discretas ................................. 226 Pág.
 Problemas De Cálculo En Programación Dinámica ............................... 243 Pág.
 Ejercicios ............................................................................................ 250 Pág.
214
CONCEPTOS BÁSICOS DE
I
PROGRAMACIÓN DINÁMICA
Como ya quedase dicho, las llamadas programaciones constituyen uno de los
grandes capítulos de las Técnicas de Optimización. Su aplicación se restringe a
problemas que se pueden formular bajo una estructura específica, para la cual
se desarrolla una estrategia de optimización sumamente eficiente.
La más antigua de estas técnicas es la Programación Lineal, cuyos conceptos y
algoritmos operativos básicos datan de las décadas del 40 y 50; fundados,
principalmente, en los trabajos de Dantzig y el grupo de la Rand Corp.
En este caso las exigencias se refieren al tipo de ecuaciones que definen el
problema: tanto la función objetivo como las relaciones de diseño y restricciones
deben ser lineales y las variables no negativas, esto es
j n
mín c j x j
j 1
j n
con  aij x j  bi i  1..m
j 1
x j  0 j
Con este tipo de exigencias se encuentran distintos tipos de programaciones:

cuadrática, geométrica, etc.
La que ha de ocupar la atención de este capítulo no pertenece a las técnicas que
requieren funcionalidades determinadas en la formulación del problema.
rN r N -1 r2 r1
Programación Dinámica es una técnica de optimización
que se aplica exclusivamente a sistemas cuyos diagramas
S N +1 SN S N -1 S3 S2 S1
de flujo de información son seriados multietapas,
entendiendo por seriados aquellos diagramas donde en
toda etapa las variables que ingresan a ella son de
dN d N -1 d2 d1
decisión o provienen solo de la etapa que la precede de
acuerdo al flujo de información, tal como el que se muestra
Fig. 5.1.1 en la figura 5.1.1.
215
Allí se ha buscado representar con flecha entera gruesa conjuntos de variables,

por ejemplo dN debe entenderse como un vector de componentes dn1, dn2,...
Las variables individuales, como todas las ri, por ejemplo, se indican con una
media flecha fina. Estas variables ri representan el aporte que realiza en forma
individual cada etapa a la función objetivo del sistema. En definitiva, el problema
puede ser formulado como sigue
N  N *
FON  opt  ri    ri
i 1  i 1
con f ( S i 1 , S i , d i )  0
g ( S i 1 , S i , d i )  0
ri  ri ( S i 1 , S i , d i ) i  1..N
Donde fi y gi deben tomarse como vectores de funciones de componentes fi1, fi2,

..., gi1, gi2, ...
Resulta importante aclarar que, en todo el capítulo, al hacerse referencia a las
variables de estado de una etapa, esto es, que abandonan esa etapa, solo se
han de considerar, salvo expresa mención en contrario, las que se conectan con
otra etapa, lo que de modo alguno quiere decir que sean las únicas que existan.
Son las que interesan desde el punto de vista de Programación Dinámica, que es
algo muy distinto, pero al momento de calcular los aportes a la función objetivo
deben tenerse en cuenta, como es obvio, todas las variables, sean o no de
interconexión.
Volviendo al diagrama de flujo de la figura 5.1.1, la particular estructura que
presenta permite inferir rápidamente que las consecuencias de cualquier decisión
que se tome en cualquier etapa se pueden proyectar solo hacia adelante en el
flujo de información, en rigor, en forma directa, a la etapa siguiente y, a través
de ésta, a las restantes.
Esto es típico, por ejemplo, en todo proceso que se desarrolla a lo largo del
tiempo1, donde las acciones que se toman en el presente solo han de tener
consecuencias en el futuro. La situación presente, en tanto, es la resultante de las
decisiones del pasado, inmodificable, por cierto, ante la cual, en consecuencia,
solo cabe aceptar la realidad y determinar el curso a seguir, en aras de alcanzar
el mejor futuro posible.
216
Esta dinámica se repite en sistemas seriados multietapas, donde un "presente" en

particular es el valor que toman las variables de interconexión que ingresan a
una etapa k cualquiera ("estado" del sistema a la entrada de la misma2), en tanto
que el "futuro" lo constituye el subdiagrama que comienza en la etapa k y
concluye con la final.
Para un determinado estado Sk+1, v.g. Sk+1j, existe un conjunto de decisiones
(podría decirse "en el futuro") dkj,...,dlj que logran un valor óptimo para el
conjunto de aportes parciales r1,...,rk.
Dado que al fijarse dkj queda perfectamente determinado Skj y que, con esto, se
tiene una situación, para las últimas k-1 etapas, equivalente por completo a lo
anterior, se puede poner que
i  N 
FOk ( S k 1 )  opt   ri   opt rk  FOk 1 ( S k ) 5.1.1
d k ..d 1  i  k  dk
Donde ahora Sk+1 tiene un valor genérico y las dk,...,d1 que logran el óptimo de
FOk (y éste mismo) resultan ser funciones de ese valor.
Cuando lo anterior es cierto para cualquier valor de k entre 1 y N se tiene el
óptimo para el sistema, según lo expresa el llamado principio de optimalidad
de Bellman3 por el que se establece que la política óptima dN*,...,d1* para un
sistema de N etapas debe ser tal que el subconjunto de decisiones para las k últimas
etapas dk*,...,d1* resulta óptimo para el estado Sk+1, para todo k entre 1 y N.
La expresión 5.1.1, asimismo, establece la estructura fundamental de la
estrategia de optimización por Programación Dinámica, como podrá verse en
seguida.
217
ESTRATEGIA BÁSICA. EJEMPLOS

II
DEMOSTRATIVOS
En la exposición de la estrategia o algoritmo básico de Programación Dinámica,
para una mayor claridad en la exposición, se admitirá que en el diagrama de
flujo general de la figura 5.1.1 hay solo una variable de interconexión y una de
decisión por etapa.
Esto permite que, en la determinación del estado a la entrada de cada etapa,
se logre la mayor simplicidad de tratamiento pues basta con fijar el valor de
una sola variable. Otro tanto ocurre con la búsqueda de los óptimos parciales
(esbozada en 5-1-1), la que se ha de efectuar, también, sobre una variable.
De modo alguno esto resta generalidad al tratamiento. Si se incrementase en uno
o más puntos del diagrama el número de variables de interconexión habría de
crecer la complejidad en la determinación del estado a la entrada de la etapa,
o etapas, correspondientes, pero el concepto de estado ha de seguir siendo
singular, con independencia de cuantas variables lo determinan. En forma
análoga, si las modificaciones ocurriesen sobre las variables de decisión, sería
cuestión de elegir, en cada caso, la metodología de optimización que mejor se
ajuste al número de variables y tipo de problema particular.
Hecha esta aclaración es posible, ahora, entrar de lleno en el proceso de análisis
que se desprende del principio de Bellman.
De acuerdo a 5.1.1 se deberá comenzar por la última etapa, la número 1 en el
diagrama (la numeración elegida obedece a que el proceso de análisis
"transcurre" en sentido inverso al flujo de información), donde deberá
encontrarse
FO1 ( S 2 )  opt r1 ( S 2 , S1 , d1 )  opt r1 ( S 2 , S1S 2 , d1 , d1 )

d1 dk
218
Si se admite que el paso de optimización

r1 a
indicado solo puede ser llevado a cabo en
forma numérica (de hecho, la única vía de
S 22 ataque siempre posible) habrá que
S 32 determinar el óptimo de r1 para varios valores
de S2, de modo de disponer, en forma
S '2 d1 tabulada, las funciones F1 (S2) y d1*(S2).
Lo anterior se muestra en la figura 5.2.1,
donde, en la parte a de la misma, se
d*1 b r*1 c
representa la búsqueda de los óptimos de r1
(máximo, en este caso) para distintos valores
de S2, mientras que en b y c las relaciones
F1(S2) y d1*(S2) (En ambas figuras se han
extrapolado los resultados para obtener lo
S2 S2
indicado con las curvas gruesas).
Figura 5.2.1
En la segunda fase de optimización deben considerarse las dos últimas etapas y

encontrar
FO 2 ( S 3 )  ( r2  r1 )*  opt r2 ( S 3 , S 2 , d 2 )  FO1 ( S 2 )
d2
 opt r2 ( S 3 , S 2 ( S 3 , d 2 ), d 2 )  FO1 ( S 2 ( S 3 , d 2 ))
d2
La cuestión es, en esencia, la misma que antes: debe buscarse el óptimo de r1+
r2 para distintos valores de S3, obteniendo, asimismo, los respectivos d2*.
a
r2 + r1*
La única diferencia radica en r1*

que, dado un valor de S3, para S33
obtener el correspondiente a S32 r2
cada d2 en la función a S3 1
optimizar, al resultado del d2
cálculo de r2 debe agregarse el
valor de FO1 que corresponda b c
d 2* (r2 + r1)*
al S3 elegido. (Esto se muestra
en la figura 5.2.2.a donde la
ordenada está constituida por
dos partes, r2 y r1*).
S3 S3
Figura 5.2.2
219
El valor de FO1 surge interpolando en la tabla obtenida en la etapa anterior,

para lo que debe tenerse en cuenta el estado a la salida (S2) que resulta de la
combinación de la entrada (S3) y la decisión (d2).Todo esto se ha de repetir en
el análisis de las etapas 3,4,..,N-1.
rN + (rN-1 +…+r1)*
Para la última etapa, en cambio, lo usual

es que el estado a la entrada de la
misma se encuentre perfectamente
determinado (Si no lo estuviera, el
tratamiento que sigue deberá efectuarse
para cada uno de los posibles valores).
FON ( S N 1 )  optrN  FON 1 ( S N )
dN
Figura 5.2.3
Con esto, la búsqueda de se reduce a una única búsqueda sobre dN para

determinar el óptimo de la función objetivo total, tal como se indica en la figura
5.2.3.
optrN ( S N (d N ), d N )  FON 1 ( S N (d N )
dN
A partir del valor encontrado de dN* es posible el cálculo de SN* y con ésta, a
través de la tabla respectiva, determinar dN-1* y así, siguiendo ahora el sentido
del flujo de información, hasta lograr d1*.
Resumiendo: la estrategia que plantea Programación Dinámica consta de dos
fases, una, primera, por la cual se han de obtener los óptimos parciales de las k
últimas etapas y las decisiones óptimas de las mismas en función del estado a la
entrada al subsistema; la otra fase, siguiendo el flujo de la información, permite
obtener los valores de los estados y decisiones óptimas para todas y cada una de
las etapas que componen el sistema.
Tal vez resulte conveniente fijar estos conceptos a través del análisis de algunos
ejemplos sencillos.
220
En el primero de ellos -la extracción en tres etapas de un soluto con agregados

parciales de solvente de extracción presentado en capítulos anteriores- es
posible encontrar expresiones funcionales tanto para FOi*(Si+1) como para
di*(Si+1); en cambio, en el segundo - una red de intercambio térmico con división
de corrientes, similar a la vista en el capítulo de ordenamiento de cálculo - debe
acudirse a la solución numérica planteada como estrategia general.
PROBLEMA Nº 1
En el problema de extracción en tres etapas en equilibrio que se representa en la figura

5.2.4 se admitirá: a) la inmiscibilidad del solvente de extracción y b) una relación de
equilibrio lineal yi=k xi, con lo que, además de ésta, la otra ecuación para cada etapa es
qx i 1  qx i  W i y i
q W3 W2 W1
x4 x3 x2 x1
3 2 1
y3 y2 y1
Fig. 5.2.4
Se busca maximizar la diferencia venta de soluto extraído y gasto de solvente de

extracción, siendo C la relación de costo de este último al precio de venta del primero.
Con esto, la función objetivo tendrá la forma
Máx B = q(x4 - x1) - C Wi.
Los datos del problema serán el caudal q y

la fracción x4. W3 W2 W1
q q q
y3 y2 y1
3 2 1
La figura 5.2.5 muestra el diagrama de flujo X4
de información correspondiente, el que, X’3 X’2
como puede apreciarse, reúne los
X3 X2 X1
requerimientos exigidos para la aplicación
de Programación Dinámica. Fig. 5.2.5
221
En las etapas 2 y 3 se ha añadido una ecuación (xi = xi’ ) a fin de clarificar el uso de la
técnica, al evitar que una misma variable, xi, aparezca, en puntos sucesivos del diagrama,
como de decisión y de estado interconectando etapas (Esto sólo por razones didácticas,
ya que el tratamiento podría haberse realizado sin recurrir a este artificio).
Para el primer paso de optimización se puede considerar
máxr1  q( x 4  x 1 )  CW 1 
x1
x'2  x 1
W1  q
kx1
Con lo cual
  x'  C
r1  q  x 4  x1  p 2  1 , p 
  
 x1  k
r1
 1  px 2' x1 2  0  x1*  px 2' 5  2 1
x1
FO1 ( x 2' )  r 1*  q  x 4  p  2 px 2' 

 
Como se puede apreciar, las relaciones 5-2-1 concluyen por determinar sendas
expresiones analíticas para el óptimo parcial y la decisión de la etapa, FO1 y
x1*, en función del estado a la entrada de la misma x2’. Estas expresiones
corresponden a las curvas estimadas en la figura 5.2.1 b y c.
Debe hacerse notar que debe verificarse la naturaleza del punto estacionario
determinado, lo que, en este caso, resulta inmediato ya que
 2 r 1 / x 2 1  2 px'2 x 13  0
Para el segundo paso deben considerarse las dos últimas etapas buscando
x '  x2
máx r2  FO1   FO1  CW2  FO1  Cq 3
kx2
  x'  
 q  x4  p 2  3   2 px2 
  x2  

222
Esto lleva a
(Se deja a cargo del lector el verificar que la derivada segunda es igual a -
3/2x3 < 0).
Antes de pasar al tercer, y último, paso de optimización conviene hacer notar
que, hasta ahora, las funciones objetivos parciales dependían tanto de la
decisión en la etapa inicial del respectivo subdiagrama como del estado a la
entrada de la misma.
( r 2  FO1 )
 px'3 x 2 2  p / x2  0  x *2  3 px'32
x 2
FO 2 ( x'3 )  ( r1  r2 )*  q  x 4  2 p  3 3 p 2 x'3 
 
Al tratar el conjunto de las tres etapas la entrada al sistema está fija (x4 es un
 x 
máxr3  FO 2  FO 2  CW 3   q  x 4  3 p  3 3 p 2 x 3  p 4 
x3  x3 
 ( r 3  FO 2 ) 2
 px 4 x 3  3 ( p / x 3 )2  0  x*
3 
4 px 3
4
x 3
FO 3  ( r3  r2  r1 )*  q 
 x4  3 p  4 4 p 3 x4 

 
dato), por lo que x3 no será ya función de la misma sino simplemente
* un valor
único (Adviértase el abandono de la utilización de la derivada parcial en la
determinación del punto estacionario). Conviene recordar esto dado que, en la
formulación del problema, se ha omitido el darle valores numéricos a los datos
y podría aparecer como que se
Reiteran las situaciones anteriores. Se trata, entonces, de encontrar y ahora
conocido x3* surgen de inmediato x2* y x1*, en la segunda fase de la estrategia
de Programación Dinámica, siguiendo el flujo de la información:
x3'*  x3*  4 px43 x2*  px4  x2'* x1*  4 p 3 x4
Ae
Ac
500 180 100
A
V
A1
540 1-r T22
T3
240 200
W3 W2 320
T4 280 r T21
W4
320 T1 140
W1
A3
A2
Figura 5.2.6 223

PROBLEMA Nº 2
El otro ejemplo al que se hizo referencia es un esquema con una única división de corrientes
para resolver el problema de síntesis de redes de intercambio térmico similar al visto al
considerar el acápite 4 del tema métodos de optimización, esquema que se muestra en la
figura 5.2.6.
Las ecuaciones que definían el modelo matemático del problema eran:
✓ Calentador
15 4
657,5 qv = 10 ( 500 - T 3 )
13
15 4  540 - T 3 
10 ln = 200 Ac
13  40 
✓ Intercambiador 1
15 4
2 10 4 ( 480 - T 4 ) = 10 ( T 3 - 240 ) T 3  240
13
480 - T 3  1 13 
ln = 150 A1  -  10 - 4 T 4  480 ; T 3  480
T 4 - 240  2 15 
13 4
2 104 ( T 4 - 280 ) = 10 ( 320 - T1 )
9
T - 320  1 9  -4
ln 4 = 150 A2  2 - 13  10 T 4  320 ; T 1  280
280 - T 1
15 4 13 4
f 10 ( 320 - T 21 ) = 10 ( T 1 - 140 ) T 1  140
9 9
320 - T 1  9 9  -4
ln = 150 A3  15 f - 13  10 T 21  140
T 21 - 140  
✓ Enfriador
15 4
80 q a = ( 1 - f ) 10 ( 320 - T 22 ) T 22  320
9
224
140  9 10 - 4 1 
ln = 150 A e  - 
T 22 - 100  15 ( 1 - f ) q a 
✓ Mezclador
f T 21 + ( 1 - f) T 22 = 200 0  f 1
y la función objetivo
FO = 39  A0,65 + 3,6 q v + 0,24 q a
A1 A2 A3 qa
La estrategia de cálculo para este
Ac qV Ae T 22
problema determina como variables de
decisión a T1 y al factor de
T3 fraccionamiento f.
T4 T 21 El diagrama de flujo resultante se
indica en la figura 5.2.7 (Otra vez se ha
T '1
recurrido al artificio de introducir una
variable de conexión, T1’ = T1)
T1 f
Fig. 5.2.7
Por las características del diagrama queda claro que es aplicable Programación
Dinámica, aunque la naturaleza matemática de las ecuaciones hace imposible
una solución analítica como en el problema anterior.
 
Habrá que buscar mín r1  39( Ae0.65  A30.65 )  0,24q a para distintos valores
f
de T1’, lo que dará lugar a una tabla donde han de figurar los respectivos FO1,
necesarios para el siguiente paso de optimización, y de f*, requeridos para la
segunda fase de la técnica.
Una vez realizado esto habrá que proceder a resolver un único problema:

mín r2  FO1  39( Ac0.65  A10.65  A20.65 )  3 ,6 q v  FO1
T 1

Puede advertirse que ahora se está, en principio, frente a dos problemas de una
variable en lugar de uno de dos, que fuera la forma como se resolvió
anteriormente.
Esta reducción de la dimensionalidad de los problemas parciales, un aspecto
fundamental de Programación Dinámica, se logra a costa de resolver
reiteradamente cada uno de estos subproblemas (Recuérdense las figuras 5.1.1a
225
y 5.1.2a). De aquí la nota de prevención en principio expresada más arriba, ya

que estas reiteraciones pueden llegar a anular los efectos derivados del menor
número de variables de decisión por problema y, aún, a resultar perjudiciales,
cuestión sobre la cual se ha de volver más adelante.
Retomando el problema planteado; la generación de la tabla requiere la
adopción de una serie de valores de T1’. Para ello debe considerarse que existe
un límite superior implícito sobre T1, que surge del umbral de necesidad de
refrigeración en el enfriador, equipo complementario del intercambiador 3 .
Estos umbrales se pueden calcular mediante la Tabla del Problema, utilizando
una aproximación mínima nula. Los consumos de servicios auxiliares que así se
determinen constituirán un mínimo de índole termodinámica, ya que los
intercambios que se propongan sobre el Pinch deberían realizarse en equipos
con área infinita.
Para el problema, el umbral de refrigeración es del orden de 63 104, lo que
arroja un valor máximo de 2351, aproximadamente, para T1.
En la construcción de la tabla, se ha tomado como límite superior 234,5 y 174,5
como el mínimo, con un total de 7 valores igualmente espaciados. Se estima, a
priori, que el valor óptimo de T1 se ha de ubicar más cerca del límite superior
que a la inversa, como un modo de ahorrar en el consumo de servicios auxiliares,
más significativos en costo que la amortización de los equipos.
La tabla siguiente muestra los valores encontrados en el primer paso de
optimización
T1 ’ f* FO1
174,5 0,300 5578,
46
184,5 0,373 5183,
54
194,5 0,445 4786,
64
204,5 0,514 4389,
10
214,5 0,582 3992,
01
224,5 0,649 3596,
33
234,5 0,715 3202,
98
Como resultado del segundo paso se encuentra el valor óptimo de T1, 230,501
y de la función objetivo global 9015 $/año, valores totalmente coincidentes con
los encontrados en anterior oportunidad. El valor de f* surge por interpolación
en la tabla anterior, resultando ser 0,688, igual que antes.
226
III
CON VARIABLES DISCRETAS
Hasta aquí se han considerado problemas cuya formulación se estructuraba
sobre variables esencialmente continuas (caudales, concentraciones,
temperaturas).
Hay otro grupo de problemas, de gran importancia práctica, donde a las
variables solo se les permite adoptar ciertos y determinados valores, esto es,
poseen, o tienen definido, un comportamiento discreto.
En este punto se suele utilizar lo que en la literatura se denomina diagramas de
rutas, aludiendo a la situación que pude observarse sobre cualquier mapa vial,
donde aparecen las ciudades vinculadas entre sí por una red caminera.
En la parte superior de la figura 5.3.1 se
7 10 9
14 7 2 0 esquematiza, en una forma extremadamente simple,
10 5 2 lo que podría ser un mapa de ese tipo.
2
Allí aparecen una serie de nodos (las ciudades)
9 2
vinculadas por arcos o líneas de unión (los tramos
11 7 4 3 2 9 0
carreteros).
10 7 4
Sobre cada uno de este tramo aparece una cifra que
10 9 9 representaría la distancia a cubrir.
8 2 3
13 5 3 0 Se podría plantear como trasladarse de una
cualquiera de las localidades del "extremo este" a
otra cualquiera del otro extremo, avanzando siempre
en dirección oeste y de modo tal que el viaje resulte
lo más corto posible.
Fig. 5.3.1
En adelante se adoptará un sistema de ejes coordenados para ubicar los nodos,

correspondiendo la fila 1, columna 1 al extremo superior izquierdo y la fila 3,
columna 4 al inferior derecho, nodos n1,1 y n3,4 respectivamente4.
Puede verse que en cada columna hay un número finito de nodos, tres en este
caso, así como que, ubicado en un nodo, para avanzar a la columna siguiente, es
posible elegir alguno de los, como máximo tres, arcos que salen del mismo.
227
En la parte inferior de la figura 5.3.1 se muestra un diagrama de flujo de

información que podría asociarse al "mapa" simplificado de arriba. Para ello,
bastaría admitir que todos los estados (inicial, intermedios y final) pueden tomar
solo tres valores, los que corresponden a las filas 1,2 y 3 respectivamente, y que
las decisiones en las etapas han de incrementar en uno la columna, manteniendo,
incrementando o disminuyendo en uno el valor de la fila, siempre que el estado
al que se arribe sea uno permitido.
Esta equivalencia entre un diagrama de rutas y otro de flujo de información
posee, como se ha de ver más adelante, un real interés práctico, que supera a
la actual circunstancia de servir como justificación teórica para el uso de una
determinada técnica.
La aplicación de la estrategia de Programación Dinámica -el diagrama lo
permite- debe comenzar analizando el aporte en la última etapa, esto en las
transiciones que vinculan las "ciudades" de la columna 3 con las de la 4. El óptimo
de este aporte, menor trayecto, dependerá, como ya se ha visto, del estado a
la entrada de la etapa.
Puesto en los términos del mapa carretero simplificado, si uno se encontrase en
el nodo 1,3 podría trasladarse al 1,4, recorriendo una distancia 9, o al nodo
2,4, ubicado a una distancia 2. La decisión óptima, en consecuencia, será esta
última lo que genera un aporte de 2 a la distancia total a recorrer.
Si la posición fuese, en cambio, el nodo 2,3 lo mejor sería trasladarse al 1,4 con
un aporte de 2. Para el 3,3 debe el viaje debe concluirse en el nodo 3,4, con un
recorrido parcial de 3.
En la figura se han indicado las decisiones óptimas, así como los aportes a la
distancia total que corresponda, esto dentro de los círculos que marcan los nodos.
Al pasar a considerar las dos últimas etapas el recorrido hasta la final resulta
de la suma del aporte de la transición de que se trate y la distancia óptima a
recorrer desde la "ciudad" a que se llega hasta el final.
Así, por ejemplo, si se estuviese en el nodo 1,2 y se tomara la decisión de
mantenerse en la fila, habría que cubrir una distancia de 10 para llegar a 1,3 y
de allí, se sabe, 2 hasta el final, lo que hace un total de 12. En cambio, si uno se
trasladara al nodo 2,3 el recorrido sería de 5 + 2 = 7, obviamente, mejor que
lo anterior.
De esta forma se alcanzan los estados iniciales, columna 1, encontrándose que el
menor recorrido total corresponde al nodo 2,1 con un valor de 11 y que las
decisiones óptimas -segunda fase de la técnica- marcan el camino n2,1 - n2,2 - n1,3
- n2,4.
228
Hay un caso de optimización de diagramas de rutas de gran importancia

práctica, pues en él se basan todas las técnicas de planificación de tareas,
cronogramas de ejecución de obras, etc. que se explicitan en métodos como PERT
o CPM5.
En este tipo de problemas se encuentran fijos tanto el estado inicial, la entrada
al sistema, como el final, a la salida de la última etapa.
Un caso como éste se muestra en la figura 5.3.2, donde se ha colocado, junto al
diagrama de rutas, el de flujo de información del que podría provenir.
El que exista un único nodo inicial y sólo otro final (la
14
10
2 entrada y la salida están fijas) es perfectamente
5 2 entendible si ese diagrama de rutas está representando
un conjunto de tareas en las que se ha subdividido un
9 determinado trabajo (limpiar el terreno, poner los
2
7 3 9 cimientos, ... para construir una casa), donde,
28 16 9 0
necesariamente, ha de existir un momento en el que pone
10 7
en marcha el programa de trabajo y otro donde todo ha
concluido.
9
9
2 Cada arco en el diagrama debe entenderse como una
18 9
tarea, siendo su duración el valor que se encuentra sobre
el mismo. Cada nodo indica el momento en que concluye
una tarea o está en condiciones de comenzar otra.
Fig. 5.3.2
De aquí que en el diagrama se esté indicando, también, la relación que existe

entre las distintas tareas del programa: cuales son las que deben estar concluidas
antes de poder comenzar con cada una.
Para este caso la función objetivo que se plantea es el menor tiempo en el que
el programa puede estar concluido, respetando, claro está, las relaciones entre
las tareas que lo componen.
Esto último significa que deberá buscarse el camino más largo, el de mayor
duración, ya que permitirá que las restantes tareas, las que no se encuentran
sobre el camino crítico, pueden concluirse sin inconvenientes.
De la misma forma que antes es posible ir determinando los máximos parciales
que corresponden a cada estado, esto es, cuanto tiempo ha de transcurrir, aún,
desde ese punto hasta que el programa se encuentre concluido.
229
Por ejemplo, resulta inmediato que las tareas que concluyen en el nodo 1,3
deberán estar terminadas 2 unidades de tiempo antes que el programa global,
así como que las que lo hacen en el 2,3 lo deberán estar 9 unidades antes.
Para determinar el valor correspondiente al nodo 1,2 (es decir, para las tareas
que allí terminan) ha de tenerse en cuenta que por una vía, la que pasa por n1,3,
el lapso sería 12 (10 + 2), mientras que por otro circuito, el que se conecta con
n2,3, el valor es 14 (5 + 9) y será esto último lo que deba considerarse como
fecha de terminación del nodo para permitir que ambas ramas terminen en
tiempo.
Al llegar al estado inicial, se tendrá el tiempo total y, pasando a la segunda
fase de la técnica, la posibilidad de determinar el conjunto de tareas que
determinan este tiempo, integrando el camino crítico.
Este concepto de criticidad aparece en virtud de que una demora en la ejecución
de cualquiera de estas tareas determinará la correspondiente prolongación del
tiempo total de completamiento del programa.
En la figura 5.3.2 se han indicado, como siempre, en el interior de los nodos, el
valor del máximo parcial, encontrándose que el tiempo mínimo de ejecución es
28 y el camino crítico está determinado por la secuencia n2,1 - n3,2 - n2,3 - n2,4.
Adicionalmente a lo anterior pueden determinarse un conjunto de parámetros de
suma importancia en la planificación de un trabajo.
En la figura 5.3.3 se muestra la resolución del mismo
9
10
19 problema, pero ejecutando las operaciones en sentido
5 2 inverso al anterior (Se estaría siguiendo el sentido del flujo
de la información).
9
7
2
3 9
Con esto es posible determinar la fecha más temprana fp
0 7 19 28 en la que puede comenzar una tarea cualquiera, siendo
10 7
ésta el valor que se encuentra en el nodo donde la tarea
comienza.
9 9
10 2 14
Así, cualquiera de las que lo hacen en el 1,3 no podrán
empezar antes de la fecha 19 (max[ 9 + 10;7 + 2] = 19
Fig. 5.3.3 O tiempo en que se encuentra concluida la tarea que
determinan los nodos 2,2 y 1,3).
A partir de haber "fechado" los nodos, calculando el lapso hasta la terminación,
lf (fig. 5.3.2), así como la fecha temprana o próxima, fp (fig. 5.3.3) se pueden
determinar, para cada tarea, lo que se conoce con el nombre de fecha tardía ft,
plazo último para concluirla sin que se retrase el conjunto y, en relación con ésta,
el margen de flotación m, que representa el mayor lapso de demora admisible.
230
fpt  fpi, j ; ftt  DT  lf k ,l ; mt  ftt  ( fpt  dt )

Para una tarea t que comienza en ni,j y termina en nk,l será
Correspondiendo el subíndice t a la tarea y los dobles a los nodos. Con d t se
indica la duración de la tarea y con DT la del programa total.
En la tabla se muestran los valores de fp, ft y m para cada una de las tareas del
ejemplo. Puede notarse que para las que componen el camino crítico el margen
de flotación es nulo, indicando que no puede registrarse el menor retraso en las
mismas, sin que ello determine una demora en el tiempo total de ejecución del
programa.
Tarea Duración Fecha Fecha Margen

de a próxima tardía
1,2 9 0 14 5
2,1 2,2 7 0 12 5
2,3 10 0 10 0
1,3 10 9 26 7
1,2
2,3 5 9 19 5
1,3 2 7 26 17
2,2
2,3 3 7 19 9
3,3 7 7 19 5
2,3 9 10 19 0
3,2
3,3 2 10 19 7
1,3 2 19 28 7
2,3 2,4 9 19 28 0
3,3 9 14 28 5
No se puede terminar este acápite sin advertir que, primero, los casos reales que
son abordados mediante PERT o CPM presentan diagramas (grafos en la
terminología técnica) totalmente irregulares lo que, sin embargo, no invalida la
aplicación de todo lo visto6 y, segundo, que, si bien la técnica básica es la
expuesta, se abordan otras cuestiones tales como costos, asignación de recursos,
duraciones indeterminadas, etc., cuyo tratamiento escapa a la intención de esta
obra.
231
DIAGRAMA DE RUTAS
IV
EQUIVALENTES
Del mismo modo en que antes se vinculaba un diagrama de flujo de información
a uno de rutas es posible realizar la operación inversa, generando un diagrama
de rutas equivalente, sobre el que será factible la aplicación de las técnicas ya
vistas, resolviendo el problema original en forma aproximada.
En la figura 5.4.1 se esquematiza una etapa genérica de un diagrama de flujo
de información. Uno de rutas con el que estuviese vinculado tendría determinados
valores para los estados Si+1 y Si.
Si por un momento se omite la consideración del estado a la entrada de la etapa
-para quien actúa, en todos los casos, como un dato del problema- un diagrama
de rutas con el que estuviese vinculado el de información, debería tener fijados
un cierto número de posibles estados Si los que, conectados con los
correspondientes a Si+1, han de generar las rutas o transiciones posibles.
Para fijar un estado en Si es preciso darle valores a todas las variables que lo
definen, reiterando que en tal definición solo
se incluyen las que interconectan etapas.
Tales valores pueden ser fijados dentro de
ciertos márgenes razonables o habrán de
surgir por cálculos en la etapa.
En la primera de las alternativas, fijar valores
para las variables de salida, admitiendo
siempre que el estado a la entrada es un dato
conocido, ha de ser necesaria una inversión
del flujo de información, transformando en
variables de estado tantas decisiones como
salidas se pretenda fijar.
Fig. 5.4.1
232
Hay, pues, tres casos por analizar:

a) Si < di b) Si = di c) Si > di
que se muestran en la fig. 5.4.2
a b c
ri ri ri
di
S i+1 i Si S i+1 i Si S i+1 i
Si- d i
S i d i- S i di di
Fig. 5.4.2
Debe aclararse que en los esquemas se ha tomado di como el número de

variables que definen la decisión di y Si la cantidad de las que determinan el
estado Si.
Puede verse que sólo en los casos a y b es posible fijar completamente la salida,
mientras que en el caso c algunas de las variables que la determinan surgen por
cálculo. A su vez, en el caso a, quedan aún variables de decisión por determinar,
ya que la modificación del sentido del flujo de información no alcanza a
invertirlas a todas.
En este último caso, para lograr establecer el aporte sobre una transición
cualquiera -desde un determinado Si+1 a un dado Si -, se requiere conocer los
valores de las variables de decisión que han quedado libres, lo que significa un
problema de optimización para definir tal aporte. Este problema, obviamente,
tiene una dimensionalidad menor que la que le corresponde a la etapa (Se ha
reducido en Si variables).
El otro caso interesante es el c, donde se puede fijar sólo parte del estado a la
salida y el resto debe ser calculado. En este cálculo participa el estado a la
entrada de la etapa y, en consecuencia, aunque permanezcan invariables los
valores fijados para la salida, al cambiar el estado Si+1, habrán de generarse
diferentes estados Si, por la modificación de las componentes que surgen por
cálculo7.
7
Podría decirse que se está en condiciones de fijar, por ejemplo, la latitud del punto de
destino, pero la longitud depende de aquella y del cual sea el punto de origen.
233
En la circunstancia descripta el diagrama de rutas aparecerá con ramificaciones

divergentes, originadas en cada uno de los valores elegidos para el estado Si+1.
En la figura 5.4.3 puede apreciarse la transformación

de un diagrama de flujo de información en otro de
rutas equivalente.
21
Se ha supuesto que se dan dos valores a cada una de
31 11
22 las variables que participan en la definición de los
40 estados interetapas, variables que aparecen
32
21
12
"tachadas" en el diagrama de flujo de información.
22
Los valores se indican mediante dos dígitos en el
interior de los nodos que representan los estados.
Fig.5.4.3
Además, se han marcado con un punto las transiciones sobre las cuales el cálculo
del aporte a la función objetivo requiere de un proceso de optimización.
Puede advertirse que en los tramos que corresponden a la etapa 2 aparecen
repetidos los valores fijados de la variable de salida, un par para cada valor
del estado S3.
Como quedase dicho, esta ramificación aparece toda vez que resulta imposible
fijar la totalidad de las variables que determinan el estado S2.
Merece un comentario final lo que sucede al aplicar esta metodología en la
última etapa. Allí las variables de salida no se interconectan con nada y, por
consiguiente, no existe un estado, tal como se ha expuesto para los restantes
casos. No se requiere, necesariamente, invertir el flujo de información ni tiene
importancia cuántas variables definen el estado y cuántas la decisión.
No obstante, por conveniencia en el cálculo, se ha de mantener en la última etapa
el concepto de estado a la salida, fijando valores (discretizando) para las
variables que se hayan elegido, en el número corresponda, estén éstas
integradas al estado de salida o a la decisión. Por todo lo dicho resulta claro
que las transiciones en este punto nunca podrán presentarse en un esquema
ramificado.
La precisión que se puede alcanzar por esta vía depende, como es obvio, de la
cantidad de estados intermedios que se generan. Si bien cuando el problema
está formulado en términos de variables continuas el número posible para los
mismos es infinito, no resulta conveniente, en aras de una mayor exactitud, aplicar
la estrategia expuesta sobre un número grande de estados intermedios.
En su lugar, es más efectivo proceder a una primera búsqueda que permita
acotar un ámbito donde reiterar el procedimiento y, así, todas las veces que
resulte necesario.
234
T '1 T21
El ejemplo 5.1, ya resuelto mediante el

datos
T1 f procedimiento riguroso, puede servir para fijar las
169.5
5.88 160 ideas antes expuestas.
5.79
8.96 5.86 En la figura 5.4.4 se esquematiza la estructura
inic 200 básica del diagrama de rutas equivalente.
6.55 3.49 Al igual que antes, para la variable T1’ se ha
234.5
3.21
260
adoptado el rango 169,5-234,5.
Fig. 5.4.4
En la última etapa se ha preferido utilizar la variable T21 en lugar del factor de

fraccionamiento f, por ser más sencillo acotar, en forma efectiva, los límites de
variación, elegidos, para el caso, 160 y 260.
La tabla siguiente muestra los resultados obtenidos para 6 valores en cada uno
de los estados.
T1’ 169.5 182.5 195.5 208.5 221.5 234.5

T21 r2> 8960 8058 7193 6398 5761 6553
160 5879 5397 4912 4429 3954 3489
(0,160) (0,230) (0,301) (0,371) (0,441) (0,512)
180 5816 5313 4805 4298 3793 3294

(0,183) (0,263) (0,344) (0,424) (0,505) (0,585)
200 5786 5274 4757 4239* 3722* 3209*
(0,213) (0,307) (0,401) (0,424) (0,589) (0,682)
220 5775* 5263* 4750* 4242 3755 3445
(0,256) (0,368) (0,481) (0,594) (0,706) (0,819)
240 5785 5297 4857 NF NF NF
(0,320) (0,460) (0,601)
260 5856 5877 NF NF NF NF
(0,426) (0,614)
r2+r1* 14735 13321 11943 10637 9483* 9762
235
En la primera fila y columna de la tabla figuran los valores de los distintos

estados. En la segunda fila los aportes sobre las transiciones entre el nodo inicial
y los correspondientes a T1’.
De las filas tercera a octava se encuentran los aportes de la última etapa y,
entre paréntesis, el valor de f*. Con la sigla NF se marca el hecho que la transición
correspondiente no resulta posible (T22 o f exceden los límites establecidos).
La lectura de una columna, considerando desde la tercera a la octava fila,
permite decidir, para el respectivo valor de T1’, cual es la mejor elección en la
última etapa; por ejemplo: para T1’=182,5 resulta lo más adecuado T21 = 220
o, lo que es equivalente, f = 0,368. Puede notarse que las transiciones óptimas
para cada estado se indican con un asterisco.
En la última fila se muestra el resultado, r2 + r1*, para las distintas decisiones
posibles en la primera etapa. El menor de todos ellos representa el óptimo
global, 9483 $/año, aproximadamente un 5% superior al valor encontrado
anteriormente.
Las decisiones óptimas serían T1 = 221,5 y f = 0,589.
Pero aún sería posible ajustar este resultado. De la inspección de la tabla surge
una zona, a la que se ha recuadrado, donde, evidentemente, se encuentra el
óptimo del problema. Si se amplía la búsqueda en dicha zona, agregando dos
nuevos valores de T',1’, 215 y 228, y otros dos de T21, 190 y 2108, se encuentra
el óptimo para T1= 228, f=0,693 y un costo de 9076 $/año, apenas un 0,66%
superior al valor exacto.
236
PROGRAMACIÓN DINÁMICAEN
V
SISTEMAS RAMIFICADOS
Hasta el momento sólo se han considerado, para la aplicación de las técnicas de
Programación Dinámica, solo aquellos problemas cuyos diagramas de flujo de
información cumpliesen estrictamente las características de seriados multietapas,
tal como fuera definido al iniciar el tratamiento del tema.
Cabría preguntarse si son ellos los únicos sobre los que puede ser aplicada la
técnica o si resulta posible adecuar los diagramas, de modo tal que pueda
hacérselo.
La respuesta que Programación Dinámica extiende su aplicación, en forma directa,
a problemas cuyos diagramas de flujo de información son algo más complejos que
lo vistos, así como resulta posible usarla en otros, adaptando el respectivo
diagrama.
Algunos de ellos serán vistos en este capítulo; como ser los sistemas ramificados,
donde existen, en algún sector del flujo de información, al menos dos ramas o vías
independientes, que surgen de un punto común (sistemas divergentes) o concurren
a uno determinado (sistemas convergentes). Los diagramas con reciclo de
información será otro caso a considerar.
En la figura 5.5.1 se muestra la estructura
A básica de un sistema ramificado divergente,
donde puede apreciarse la existencia de dos
S kA
ramas, A y B, que se separan a partir de la
N k+1 k
S
S k+1 etapa k. Cada una de ellas está constituida
S kB
por un sistema seriado multietapas como el
dN d k+1 dk B que se indicara al principio de este capítulo
(Por simplicidad, esto no se ha indicado en el
Fig. 5.5.1 dibujo).
237
Si se omite por un momento la particular estructura del diagrama, considerando

cada una de las ramas por separado, puede plantears
FO A ( S kA)  opt subsist A
FOB ( S kB )  opt subsist B 

Luego, evidentemente, es posible plantear
FOk ( S k 1 )  opt rk  FOA ( S kA)  FOB ( S kB )

dk
con lo que, en consecuencia, la metodología a aplicar es esencialmente la misma
que la ya vista, con la única particularidad de que deben resolverse la totalidad de
las ramas antes del tratamiento de la etapa donde se produce la divergencia.
La figura 5.5.2 presenta otro caso de sistema ramificado: aquí hay dos ramas que
convergen en un punto del diagrama y, a
dM d N+1
partir de allí, este presenta un flujo
M N+1 unificado.
S Me
S N+1 Comparado con el caso anterior, el
tratamiento reviste una mayor complejidad.
N k+1 k 1 Hasta la etapa k, incluida, no existe

S Ne S k+1 S1 problema alguno porque, de hecho, esa
porción del diagrama no tiene ninguna
dN d k+1 dk d1
alteración. En ese punto se dispondría de
Fig. 5.5.2 FOk ( S k 1 , S N 1 )  opt rk  FOk 1 ( S k ) ,
dk
donde puede apreciarse que el óptimo parcial depende de estados sobre los que
no se puede actuar en forma simultánea, ya que la decisión dk+1 puede modificar
a Sk+1 pero no a SN+1 y, a la inversa, dN+1.
La solución a esto es instrumentar un tratamiento secuencial, resolviendo, por
ejemplo, las etapas N, N-1,...k...1 como si fuesen la última etapa de la rama
M...N+1.
Ello significa que habrá que resolver, para distintos valores del estado SN+1
es decir que para lograr transformar el subdiagrama constituido por las etapas
FOk 1 ( S N 1, S k  2 )  optrk 1  FOk ( S N 1, S k 1 )
dk


FON ( S N 1 )  optrN  FON 1 ( S N 1, S N )
dN
N...k...1 en la última de la secuencia M...N+1 habrá que optimizar al primero,
considerando al estado SN+1 como un dato, tantas veces como valores se
establezcan para el mismo.
238
Una vez que lo anterior ha sido completado -sin duda, el paso computacionalmente
más engorroso- el procedimiento continúa con la obtención de
FON 1 ( S N  2 )  opt rN 1  FON ( S N 1 ), de acuerdo a lo visto.
d N 1
Si se cumple que Si+1 + di > Si y Si+1 < Si ; i = M...N+1 es posible aplicar otra vía
de solución: invertir por completo el sentido del flujo de información en la rama
superior, con lo que el sistema, ahora, será divergente a partir de la etapa k.
En el caso de querer aplicar esta estrategia para un diagrama donde existen más
de dos ramas que convergen en un punto, la condición anterior deberá verificarse,
al menos, para todas ellas menos una.
Otro de los casos donde es posible aplicar Programación Dinámica es sobre
sistemas que presentan una derivación paralela (bypass), como el que se muestra
en la figura 5.5.3.
La respuesta general a esta situación es modificar el diagrama, mediante la
creación de variables interetapas, de forma que se elimine la rama lateral, como
se muestra a la derecha de la figura. Esto significa el crecimiento de la
dimensionalidad en los estados, cuestión que, como se verá, aumenta la dificultad
en la aplicación de la técnica.
k1 km
S jk S kp S jk S kp
j e1 ex p
j l1 ln p S jl S lp
S jl S lp
Fig. 5.5.3
Por esta razón se suele acudir al artificio de modificar el
k1 km
diagrama, mediante un corte de la derivación lateral, de
modo de obtener un sistema divergente. Esto se logra
S jk S kp adoptando el estado Skp como una decisión e invirtiendo
el flujo de información, con la salvedad de mantener el
j l1 ln p
S lp
carácter divergente requerido para el nuevo diagrama
S jl
(Se debe privilegiar la inversión de las decisiones por
Fig. 5.5.4
sobre los estados, lo que en la figura se representa en el
cambio de sentido en dkm).
Debe advertirse que la vía de solución expuesta requiere el sostenimiento de Skp
a lo largo del proceso de optimización de ambas ramas divergentes generadas;
esto es, en la etapa p se tiene FOp(Slp, Skp) y en ese momento se asigna el
subesquema ya tratado a la rama l1...ln, manejando Skp como un dato (Numérica-
mente, habrá que resolver para varios valores de Skp).Al final se tendrá FOl1(Sjl,
Skp), punto en el cual se comienza el tratamiento de la rama k, comenzando por la
etapa km, dejando a Skp como dato hasta obtener FOk1(Sjk,Skp).
239
Es recién en este punto, al tratar la etapa donde se produce la divergencia, cuando

se ha de producir la optimización con respecto a Skp.
El último tipo de diagrama de flujo de información anómalo donde se ha de
considerar la aplicación de Programación Dinámica serán aquellos donde existen
reciclos de información, como el que se muestra en la figura 5.5.5
La única posibilidad que existe de aplicar la técnica es a través de la eliminación
del reciclo, lo que implica una modificación sustancial del diagrama de flujo.
En la parte derecha de la figura 5.5.5 se esquematiza el procedimiento. El estado
Skj se transforma en decisión simultáneamente en las etapas j1 y kr, lo que obliga a
invertir el flujo en la rama superior.
kr k1 kr k1
S kj S jk S kj S jk
j1 jp j1 jp
S j+1 S j+1
Fig. 5.5.5
La elección de Skj no es arbitraria, ya que se busca que el sistema ramificado
resultante sea divergente (Lo es en la etapa jp), por su mayor simplicidad en el
tratamiento posterior. De aquí que la inversión a la que se hiciese referencia
deberá privilegiar, otra vez y por la misma razón que antes, las decisiones por
sobre los estados.
El procedimiento a seguir en la optimización del esquema modificado presenta la
particularidad de que, por actuar Skj en dos puntos diferentes del mismo, el
tratamiento de la rama k1...kr deberá hacerse manteniendo a Skj como un dato;
más aún, esta caracterización se ha de prolongar hasta el momento de considerar
la etapa j1, punto en el cual, recién, se podrá tratar a Skj como una decisión.
El estudio de las técnicas de optimización es importante no sólo por la posibilidad
de resolver problemas que presentan determinadas características sino -lo que tal
vez sea más importante- porque su conocimiento permite estructurar los problemas
de forma tal que puedan ser utilizadas determinadas técnicas.
En la figura 5.5.6 se muestra la estructura de la red de intercambio analizada en
el capítulo de ordenamiento de cálculo.
240
Como se vio, en aquella

oportunidad, el número de grados
de libertad para esta red es 3 y una
de las alternativas era considerar,
como variables de decisión, a la
temperatura T1 y a los factores de
fraccionamiento f1 y f2.
Este problema de tres variables
puede ser resuelto mediante
Programación Dinámica, con una
Fig. 5.5.6 importante reducción en la
complejidad de los cálculos
(Debe advertirse que se ha omitido, en razón de tratarse del mismo problema ya

visto, el detalle de las ecuaciones que definen el modelo matemático del sistema).
En la parte superior de la figura 5.5.7 se
Ac A1
f1
A2 A3
f2
AE muestra el diagrama de flujo de
C 1 2 3 E información del problema. Los bloques E, C,
qV qE
T 42
1, 2 y 3 se corresponden con los equipos de
T 41 T 21
m1 m2
T 22
intercambio térmico, mientras que m1 y m2
representan los puntos de mezcla de las
corrientes 4 y 2 (La parte superior de la
C-1-2-m1 figura 5.5.7 es equivalente a la 3.2.10).
T' 1
T'' 1
f1
Puede verse, en este diagrama, que existen
3-E-m2 dos grandes segmentos, cada cual con uno
T1
de los factores f como variable de decisión
f2
exclusiva y compartiendo ambos a T1.
Fig. 5.5.7
La circunstancia apuntada conduce a pensar en la posibilidad de reestructurar el

flujo de información bajo la forma de un sistema ramificado divergente, como se
muestra en la parte inferior de la figura (Nótese que se ha recurrido al artificio
de crear una etapa de interconexión y dos variables adicionales, T1’ y T1”, ambas,
lógicamente, iguales a T1).
El planteo, ahora, es sencillo: hay que obtener el mínimo de cada una de las ramas,
FOc..m1(T1’) y FO3..m2(T1”), operando sobre el correspondiente factor de
fraccionamiento, para luego considerar la suma mínima de ambos factores, ya que
la etapa de interconexión no efectúa aporte alguno a la función objetivo, tal como
se indica en la tabla siguiente:
241
T1’= f1* FOc..m1 f2* FO3..m2

T 1”
174, 0,545 8689,6 0,300 5578,5
5
184, 0,575 8009,5 0,373 5183,5
5
194, 0,605 7356,7 0,445 4786,6
5
204, 0,635 6748,6 0,514 4389,1
5
214, 0,665 6224,3 0,582 3992,0
5
224, 0,696 5907,3 0,649 3596,3
5
234, 0,734 7611,6 0,715 3203,0
5
El óptimo para el sistema se encuentra para T1=228,7, f1=0,710, f2=0,676, con

un costo de 9384 $/año.
242
PROBLEMAS DE CÁLCULO EN
VI
Hasta ahora se han podido apreciar las ventajas de Programación Dinámica, al
reducir la dimensionalidad de los problemas y, consecuentemente, la
complejidad numérica de su tratamiento.
Pero esto no es gratuito: tal reducción exige resolver, repetidamente, cada uno
de los subproblemas que genera la estrategia de optimización.
Si el número de veces que hay que repetir la solución de los problemas es muy
grande, aun cuando el número de grados de libertad de cada uno, esto es, su
dimensionalidad, sea pequeño, bien podría suceder que resultase más sencillo
"olvidar" la estructura del diagrama de flujo de información, no aplicar
Programación Dinámica y resolver el caso por búsqueda simultánea, entendiendo
por esto el uso de cualquier técnica que aborde el tratamiento conjunto de las
variables de decisión.
Para lograr enfocar la cuestión desde un punto de vista analítico se requiere
contar con algún tipo de funcionalidad que vincule la dimensionalidad de un
problema con la dificultad de optimizarlo. Tales expresiones son, en rigor, de
dudosa generalidad para los métodos más difundidos.
Resulta posible, en cambio, establecer una cota superior a esta dificultad: basta
con tomar un método ineficiente de optimización, para el que sea posible
encontrar una funcionalidad del tipo buscado.
Un método que reúne estas características es el número de oro extendido a
multivariables, donde el número de cálculos a realizar para obtener el óptimo
de una función de t variables puede expresarse bajo la forma bt, siendo b una
constante que depende de la exactitud deseada.
rN r N -1 r2 r1
Volviendo al esquema general de la figura
5.1.1, supóngase que todas las etapas tienen
decisiones y estados de interconexión
S N +1 SN S N -1 S3 S2 S1 definidos por D y S variables,
respectivamente, estando fijo el estado a la
entrada al sistema.
dN d N -1 d2 d1
243
Supóngase, también, que en la búsqueda de FOi(Si+1) se consideran a valores

para cada una de las variables que integran el estado Si+1.Esto dará aS
problemas con D variables de decisión para cada una de las etapas, salvo para
el último paso de optimización, donde ha de existir uno solo, en virtud de estar
fijo el estado a la entrada del sistema.
Con esto, la cota superior para las dificultades de cálculo inherentes a la
estrategia de optimización por Programación Dinámica ΦPD y búsqueda
 
 PD  b D ( N  1)a S  1 ;  BS  b ND
simultánea ΦBS han de ser siendo la relación entre ambos

 PD
 BS
 
 b  D ( N 1) ( N  1)a S  1
y la dificultad relativa aumenta (Programación Dinámica resulta menos atractiva

frente a búsqueda simultánea) con el incremento del número de variables de
interconexión mientras que disminuye con el aumento del número de variables de
decisión por etapas o la cantidad de éstas.
Lo anterior puede tomarse como una consideración de tipo general; la tendencia

que se verifica al aplicar la técnica. Pero aún resulta posible, frente a un caso
concreto, moverse dentro de los extremos que se han examinado; esto es, utilizar
Programación Dinámica sobre un diagrama se han agrupado etapas, para ser
optimizadas en forma conjunta.
Esto puede ser comprendido mejor mediante el análisis de un ejemplo simple,
para el cual se tomará a=b=8 en la correspondiente expresión de Φ (Esto último
implica una reducción del intervalo de incertidumbre menor al 5% en cada
variable en el método del número de oro extendido a n dimensiones).Dichos
valores serán utilizados en todo el análisis que sigue.
En la figura 5.6.1 (a) se muestra un hipotético

diagrama de flujo de información, donde se han
indicado sólo las variables que componen las
decisiones y los estados de interconexión, en virtud
de constituir ellas los únicos elementos a tener en
cuenta.
Fig. 5.6.1
Nótese que aquí no hay constancia en el número de variables por etapa, lo que
obliga a un análisis caso por caso.
244
Si el problema fuese resuelto por Programación Dinámica, sin efectuar ninguna

modificación en el diagrama, la cota superior de la dificultad de cálculo sería
Φ1-2-3 = 82 81 + 83 82 + 80 82 = 83 + 85 + 82
Donde cada uno de los monomios se compone por el producto de 8Si+1 y 8Di
Si la solución se encara a través de una búsqueda simultánea, lo que ,
esquemáticamente, se indica en 5.6.1 (b) como una etapa única -se ignora, en
absoluto, la existencia de subsistemas-, el grado de dificultad asociado sería Φ[1-
2-3]=85
Pero estas dos no son las únicas estructuras posibles. Existe la alternativa de
apelar a estrategias mixtas: agrupar, por ejemplo, solo las dos primeras etapas,
o las dos últimas, como se indica en 5.6.1 (c) y (d). Para estos casos se tendrá
Φ1-[2-3] = 82 81 + 84 = 83 + 84
Φ [1-2]-3 = 83 83 + 82 = 86 + 82
lo que lleva a la conclusión de que la mejor estrategia resulta de considerar en
forma conjunta las etapas 2 y 3, agrupamiento que ha de formar parte de un
diagrama seriado con la etapa 1.
Resulta obvia la imposibilidad de efectuar este análisis en detalle para todos los
casos, donde, con seguridad, habrá que vérselas con diagramas de flujo, y
alternativas, por ende, de mayor complejidad.
Sería deseable contar con un criterio simple, que no se viese
afectado por las características estructurales del flujo de la
información. Es posible contar con tal criterio, al menos en lo
que concierne al agrupamiento de etapas.
En la figura 5.6.2 (a) se esquematiza un segmento, etapas i
y j, del diagrama de flujo genérico. Allí Si y di indican el
número de variables que componen el estado y la decisión
de la etapa, respectivamente.
Para estas dos etapas solamente, las estrategias posibles
son tratarlas en forma separada o agruparlas.
Fig. 5.6.2
Este análisis focalizado puede efectuarse, y sus conclusiones son válidas para
cuando se considera el segmento dentro del sistema total, por la estructura
matemática (suma de monomios) que posee la expresión que permite el cálculo
del grado de dificultad.
245
Volviendo al esquema, si las etapas se tratan en forma separada o conjunta, se

tendrá, como dificultad relativa de la primera con respecto a la segunda
Si  d j
 .. j  i..  8  8 S i 1  d i
S i 1  d i  d j
 . j  i .  8
  rel  8S i  S i 1  d i  8 j
d
y queda claro que esta dificultad relativa es mayor que 1 (conviene el

agrupamiento) toda vez que Si - Si+1 di.
Debe tenerse en cuenta que en la expresión anterior se consideran la totalidad
de las variables que componen el estado a la entrada a la etapa pero solo las
variables que integran el estado que la interconecta con quien se analiza el
agrupamiento. Lo anterior es particularmente importante cuando se consideran
los puntos de divergencia en un sistema ramificado.
En la parte b de la figura 5.6.2 se presenta el caso de una etapa sin decisión.
Aquí es posible ensayar cuatro estrategias: el tratamiento del diagrama tal como
está, la búsqueda simultánea en todo el segmento o agrupar la etapa j con la k
o la i. Los grados de dificultad para cada alternativa serán9
S j di
..k  j i..  8    8 S i1  d i
S i1  d i  d j
 k  j i   8
S j dk
 k . j i   8  8 S i1  d i
 k  j i  8 S i  d k  8 S i1  d i
con lo que, como puede verse, siempre resulta conveniente el agrupamiento de j
con una etapa contigua, por lo menos para eliminar el estado de interconexión
definido por el mayor número de variables, Si o Sj, con independencia de que
convenga el tratamiento unificado de las tres etapas, lo que puede analizarse,
luego, con el criterio expuesto anteriormente.
El último caso de agrupamiento a considerar es el de pequeños reciclos.
Ya se ha visto que es posible aplicar Programación Dinámica a este tipo de
diagramas, aunque resulte bastante engorroso hacerlo.
De aquí que se pudiera pensar en un tratamiento conjunto de las etapas que se
encuentran involucradas en un reciclo de información.
246
No resulta posible un tratamiento generalizado como en el caso anterior, por lo

que se recurrirá a un enfoque de tipo heurístico.
En la figura 5.6.3 se muestra un sector de un diagrama de flujo donde aparece
un reciclo, donde se supondrá que cada estado y decisión, que interesan en el
análisis del reciclo, se componen de una sola variable.
Como ya quedó visto, la solución por programación
dinámica exige el manejo de la variable de reciclo
como una decisión en suspenso, un dato, lo que
lleva a invertir el flujo en la etapa 1, que quedaría
sin decisión y, consecuentemente, se agrupará con
Fig. 5.6.3 la 2.
La dificultad relativa del tratamiento por separado de las, ahora, N-1 etapas
con respecto al enfoque simultáneo será

 81 ( N  2)811  81
 rel  

 8N 
 
donde se ha tenido en cuenta la búsqueda para un solo valor del estado a la
entrada de la etapa N, en razón de ser algo común para ambas estrategias.
La expresión anterior resulta ser menor que la unidad para N mayor o igual que
4, por lo que, extendiendo el criterio a otros diagramas de flujo de información,
se puede plantear que reciclos con menos de cuatro variables involucradas
en las decisiones deben ser resueltos por búsqueda simultánea.
Estos criterios de agrupamiento de etapas deben constituir un paso previo a la
optimización efectiva del sistema, el que, en definitiva, debería realizarse de
acuerdo al siguiente esquema:
1.- Formulación matemática del problema
2.- Determinación de una estrategia de cálculo
3.- Construcción del diagrama de flujo de información
4.- Análisis de agrupamiento de etapas en el diagrama.
5.- Optimización efectiva del sistema.
En el desarrollo de la estrategia mixta, que presupone el quinto y último paso,
está implícita la selección del o de los métodos que resulten más adecuados para
llevar a cabo el proceso de optimización.
247
PROBLEMA Nº 1
Encuentre el camino más corto desde el nodo 1 hasta el nodo 10 en la red mostrada en
la figura siguiente:
2 5
8
1 3 6
10
4 7
Descomponemos en etapas:
2 2 5 5
1 3 3 6 6 10
9
4 4 0
7 7
Etapa 4:
d(x4,x5) Solución
Óptima
X4 X5= 10 f4 (X4) X5*
8 3 3 10
9 4 4 10
248
Etapa 3:
d(x3,x4)+f4(x4)
X3 X4= 8 X4= 9 f3(x3) X4*
5 1+3=4 3+4=7 4 8
6 6+3=9 3+4=7 7 9
7 3+3=6 3+4=7 6 8
Etapa 2:
min{d(x2,x3)+f3(x3)}
X X3=5 X3=6 X3=7 f2( X
2 x2 3
) *
2 7+4 4+7 6+6 11 5
=11 =11 =12 ,
6
3 0+4 0+7 0+6 4 5
=4 =7 =6
4 6+4 6+7 5+6 10 5
=10 =13 =11
Etapa 1:
X X2=2 X2= X2=4 f1( X
1 3 x1 3
) *
1 2+11 4+4 3+10 8 3
=13 =8 =13
249
EJERCICIOS
VII
PROBLEMA Nº 1
El grupo empresarial DELOSI quiere asignar a 3 fábricas distintas, 4 operadores de

maquinaria que son indistintos. Para ello se sabe la eficiencia expresada en producción
adicional por persona asignada a cada fábrica, la cual se expresa en la siguiente tabla.
Fábrica
N° de obreros 1 2 3
0 0 0 0
1 35 30 40
2 60 50 55
3 70 80 75
4 80 95 90
¿Cuál es la asignación que maximiza las medidas de eficiencia?

SOLUCIÓN:
Definamos:
Nº de etapas: k (1, 2, 3) fabricas a los que se deben asignar los operadores.
Estados: N° de operadores disponibles en cada etapa. (0, 1, 2, 3, 4)
S1 = 4
S2 = S1-X1
S3 = S2-X2
Xn: Número de operadores asignados a la fabrican.

La ecuación recursiva para hallar el beneficio optimo acumulado de producción seria:
fn(Sn,Xn) = Pn(Xn) + f(n+1)*(Sn-Xn)
Como en la etapa final es en la etapa 3, entonces f*(4) =0 (no hay operarios por asignar)
250
• ETAPA 3:
S3 f3(S3) = P3(X3) + f*(4) f3*(S3) X3*

0 0 0 0
1 40 40 1
2 55 55 2
3 75 75 3
4 90 90 4
• ETAPA 2
Gráficamente: Si tengo 2 operadores disponibles p.e.:
0 = P2(0) + f3*(2) =0+55= 55
2 1 = P2(1) + f3*(1) =30+40= 70
2 = P2(2) + f3*(0) =50+0= 50
f2(S2,X2) = P2(X2) + f3*(S2-X2)

S2\X2 f2*(S2) X2*
0 1 2 3 4
0 0 0 0
1 0+40 30+0 40 0
0+55
2 30+40=70 50+0=55 70 1
=55
3 0+75 30+55 50+40 40+0 90 2
4 0+90 30+75 50+55 80+40 95+0 120 3
• ETAPA 3
En el estado inicial se dispone de todos los operadores, por ello el S1 = 4, es

único, entonces:
0 = P1(0) + f2*(4) = 55
4 3 = P1(3) + f2*(1) = 70
4 = P1(4) + f2*(0) = 50
251
f2(S2,X2) = P2(X2) + f2*(S1-X1)

S1\X1 f3*(S3) X1*
0 1 2 3 4
4 0+120 35+90 60+70 70+40 80+0 130 2
• Por lo tanto, la asignación optima será:
X1*= 2  S2 = S1 – X1 = 4 – 2 = 2
X2*= 1  S3= S2 – X2 = 2 – 1 = 1
X1*= 1
Por lo tanto, se asignara 2 operadores a la fábrica 1, 1 operador a la fábrica 2,
1 operador a la fábrica 3.
PROBLEMA Nº 2 PROBLEMA DEL CAMINO MÍNIMO
Se tiene una lista de ciudades con sus respectivas distancias en kilómetros, se nos pide
encontrar el camino mínimo o el camino con menor longitud entre la ciudad 1 y la 8.
Xn: ciudades que se pueden visitar
dn: ciudad que se decide visitar
rn: distancia en kilómetros
E3 E2 E1
9
15
2 10 5
7 5
8 7
9
3 7
1 6 8
8 14 14
5
4
7
Identificamos 3 etapas.
Etapa 1
X1 d1 r1 d1* r1*
5 8 15 8 15
6 8 7 8 7
7 8 14 8 14
252
Etapa 2
X2 5 6 7 d2* r2*
2 9+15=24 10+7=17 5+14=19 6 17
3 8+15=23 7+7=14 6 14
4 14+7=21 5+14=19 7 19
Etapa 3
X3 2 3 4 d3* r3*
1 7+17=24 9+14=23 8+19=27 3 23
SOLUCIÓN:
Entonces la solución sería:
1 3 6 8
7 + 7 + 9 = 23 km
PROBLEMA Nº 3 PLANIFICACIÓN DE LA GENERACIÓN
Existe un coste adicional de 15 S/ por año si se construye al menos un generador. No se

pueden instalar más de 3000 MW de generación en ningún año. Se parte de un sistema
eléctrico sin ningún generador instalado.
253
SOLUCIÓN:
254
La solución óptima en potencia a instalar en cada año:

1999 3000
2000 3000
2001 0
2002 0
2003 2000
2004 0
Coste total = 15 + 150 + 15 + 165 + 15 + 90 = 450
PROBLEMA Nº 4
Cierto estudiante desea destinar los siete días de la semana próxima a estudiar cuatro
cursos. Necesita al menos un día para cada curso y el puntaje que puede lograr se da en
la siguiente tabla:
¿Cuantos días debe estudiar cada curso para lograr un puntaje?
255
256
PROBLEMA Nº 5
Una compañía ha recibido un pedido para surtir un solo artículo muy especial y de una
calidad tan rigurosa que es posible que el fabricante tenga que producir más de un
artículo para obtener uno aceptable. La probabilidad estimada para que sea aceptable
es 1/3 y de que sea defectuoso sin posibilidad de reparación 2/3. Por lo tanto la
probabilidad de producir cero artículos aceptables en un lote de tamaño L es (2/3)L.
Los costos marginales de producción son de $ 100 por artículo, incluso si es defectuoso
(los artículos en exceso no tienen valor). El costo de preparación es $ 200, cada vez que
se monte el proceso de producción de este artículo, el cual puede hacerlo como máximo
3 veces. Si no se ha obtenido un artículo aceptable al final de la tercera serie de
producción, el costo por ventas perdidas y de penalización será de $ 1500. El objetivo
es determinar la política referente al tamaño del lote para las series de producción de
manera de minimizar el costo total esperado.
SOLUCIÓN:
✓ Etapas: Series de producción (1, 2, 3).

✓ Variables de decisión: Xn: Son el tamaño del lote producción en la etapa n.
✓ Estados: Sn: puede suceder que, Sn =0 si el articulo aceptable se logró en la
etapa anterior. o Sn =1 que significa que en la etapa anterior no se logró el
articulo aceptable.
f*n (Sn) = Mín. fn(Sn,Xn)
Xn = 0, 1,..., L (tamaño del lote, costo marginal)
Dónde:
f*n (0) = 0 y S = 0 , cuando se ha obtenido en la etapa anterior un artículo aceptable,
por lo tanto f*n (0) = 0, en esta etapa no es necesario que se incurra en gastos
adicionales.
(Prob. de 0 art. acept. ( prob de 1 art. Acept.)
f*n (Sn,Xn) = K + Xn + (2/3)Xn fn + 1 (1) + ( 1- (2/3)Xn) fn + 1 (0)
257
Dónde:
(1- (2/3)Xn) fn + 1 (0) = 0 costo marginal
Luego
f*n (1,Xn) = K + Xn + (2/3)Xn f*n + 1 (1).
Considerando $ 100 como unidad monetaria y definiendo
0 Si Xn = 0
K=
2 Si Xn 0 (costo de preparación)
(ETAPA ANTERIOR NO SE LOGRO ART. ACEPTABLE)

f*4 (1) = 15, que es el costo de no obtener un artículo aceptable y perder la venta.
f*4 (0) SI SE LOGRO ART.ACEPT.
Luego, para n = 3 tendríamos:
f3(1, X3) = K + X3 + (2/3)X3 15

S3 /X3 0 1 2 3 4 5 f*3(1) X*3
0 0
1 15 13 10 2/3 9 4/9 8 26/27 8 79/81 8 26/27 4
Para n = 2:
F2(1, X2) = K + X2 + (2/3)X2 8 26/27
S2
0 1 2 3 4 f*2(1) X*2
/X2
0 0
8 8 7 7 7 7
1 3
26/27 79/81 239/243 478/729 1685/2187 478/729
Para n = 1
f1(1, X1) = K + X1 + (2/3)X1 7 478/729
S1 /X1 0 1 2 3 4 f*1(1) X*1
1 7.655 8.1 7.4 7.27 7.51 7.27 3
258
Luego la solución del problema es la siguiente:

En la primera serie de producción deben fabricarse 3 artículos, si se obtiene un artículo
aceptable, X2 = X3 = 0. Si son defectuosos en la segunda se debe fabricar 3 artículos, si
se obtiene un artículo aceptable X3 = 0. Si son defectuosos en la tercera serie de
producción deben fabricarse 4 artículos, todo con un costo esperado de $ 727.
PROBLEMA Nº 6
Una empresa ha contratado a tres personas para tres tareas, el máximo número de
personas asignadas por tarea son 2.
La utilidad de los trabajadores en cada tarea es:
Se nos pide a cuantas personas se debe asignar a cada tarea para maximizar la utilidad.
Tabla de 0 1 2
Utilidades personas persona personas
TAREA A 0 3 8
TAREA B 0 4 5
TAREA C 0 5 7
SOLUCIÓN:
1.- DEFINICIÓN DEL PROBLEMA:
Las Etapas: Son la asignación de trabajadores a cada tarea.
1° Etapa (n=1) Asignación de trabajadores a la TAREA A.
2° Etapa (n=2) Asignación de trabajadores a la TAREA B.
3° Etapa (n=3) Asignación de trabajadores a la TAREA C.
Los Estados: Número de trabajadores que todavía se pueden asignar en una etapa.
✓ en=0, No hay trabajadores disponibles en la tarea n.
✓ en=1, Hay un trabajador disponible en la tarea n.
✓ en=2, Hay dos trabajadores disponibles en la tarea n.
✓ en=3, Hay tres trabajadores disponibles en la tarea n.
Las Variables de Decisión: Número de trabajadores a asignar en cada Tarea.
▪ Xn=0, Asignar cero trabajadores en la tarea n.
▪ Xn=1, Asignar un trabajador en tarea n.
▪ Xn=2, Asignar dos trabajadores en tarea n.
259
2.- FASE DE ANÁLISIS:

Se utilizará la siguiente tabla:
Variables de Decisión Personas Rendimiento
Número de Etapa
0 personas 1 persona 2 personas Óptimas Óptimo
0 personas
1 persona
Estado
2 personas
3 personas
Análisis Etapa 3:
Para el caso de que dispongamos de 0 personas para asignar a la tarea “C” el beneficio
(ver tabla de utilidades para la tarea “C”) es “0”, por otro lado, es imposible asignar 1
o 2 personas si se dispone de 0 personas.
Para el caso de que dispongamos de 1 persona para asignar a la tarea “C”, la variable
de decisión puede tomar el valor “0” ó “1” y los beneficios (Ver tabla de utilidades para
la tarea “C”) serán “0” y “5” respectivamente, por otro lado si se dispone tan sólo de 1
persona para asignar es imposible asignar “2”.
De la misma manera se rellena el resto del cuadro.

Etapa 3
Óptimas Óptimo
0 personas 1 persona 2 personas
0 personas 0 - -
1 persona 0 5 -
Estado
2 personas 0 5 7
3 personas 0 5 7
260
La siguiente fase del análisis implica hacer la siguiente pregunta:

¿Cuál es el beneficio cantidad óptimos para la etapa “3”?

Etapa 3
Óptimas Óptimo
0 personas 0 - - 0 0
1 persona 0 5 - 1 5
2 personas 0 5 7 2 7
Estado
Conociendo ello se ha finalizado el análisis de la etapa 3.

Análisis Etapa 2:
Para esta etapa se considerará la recursividad, es decir la información de las etapas
posteriores.
Para el caso que en la Etapa 2 se disponga de 0 personas para asignar a la tarea “B”
el beneficio (ver la tabla de utilidades para la tarea “B”) es “0” pero debemos de
considerar la información de la etapa posterior (Etapa 3) , como en la etapa 2 tenemos
0 personas disponibles para asignar en la etapa 3 también se contará con 0 personas (lo
óptimo será que la variable de decisión tome el valor “0”, como se puede observar en la
tabla anterior, con un beneficio igual a 0).
En el caso de que se disponga de 1 persona para la realización de la tarea “B”:
Primer escenario: Si se decide asignar “0” personas en la tarea “B”, seguiríamos teniendo
la persona para asignarla en la etapa 3 esto quiere decir que debemos considerar el
beneficio que nos reporta la asignación de “0” personas en la tarea “B” (ver tabla de
utilidades para la tarea “B”) y el beneficio de asignar 1 persona a la tarea “C”
(considérese la cantidad óptima y el beneficio óptimo).
Segundo escenario: Si se decide asignar “1” persona en la tarea “B”, contaríamos con “0”
personas para la asignación a la tarea 3 esto quiere decir que debemos de considerar
el beneficio de asignar “1” persona a la tarea “B” (ver tabla de utilidades para la tarea
“B”) y el beneficio de asignar 0 personas en la tarea”C” (considérese la cantidad óptima
y el beneficio óptimo).
261
Y de esta manera se completa el cuadro:

Etapa 2
Óptimas Óptimo
0 personas 0+0 - -
1 persona 0+5 4+0 -
Estado
2 personas 0+7 4+5 5+0

3 personas 0+7 4+7 5+5


Etapa 2
Óptimas Óptimo
1 persona 5 4 - 0 5
Estado
3 personas 7 11 10 1 11
Podemos Observar que en el caso de que se disponga de 1 persona en la etapa 2 lo

óptimo es asignar 0 personas para su realización, ya que reporta un mayor beneficio de
igual manera cuando se dispone de 2 personas lo óptimo es asignar 1 persona para la
realización, en el caso en el que se dispone de 3 personas el tratamiento es el mismo y lo
óptimo sería asignar 1 persona.
Con ello se finalizó la etapa 2.
262
Análisis Etapa 1:
La etapa se caracteriza por tener la disponibilidad de las 3 personas ya que es el inicio
del proceso, al igual que en la etapa 2 debemos de considerar las etapas posteriores
que se resumen en la tabla anterior.
Como se dispone de tres personas para la realización de la tarea “A” tendremos tres
escenarios en total:
 Primer escenario: si se decide asignar “0” personas para la tarea “A” se seguiría
disponiendo de 3 personas para la realización de la tarea “B” esto quiere decir
que debemos considerar el beneficio que nos reporta la asignación de “0”
personas en la tarea “A” (ver tabla de utilidades para la tarea “A”) y el beneficio
de asignar 3 persona a la tarea “B” (considérese la cantidad óptima y el beneficio
óptimo).
 Segundo escenario: si se decide asignar “1” persona para la tarea “A” se seguiría
disponiendo de 2 personas para la realización de la tarea “B” esto quiere decir
que debemos considerar el beneficio que nos reporta la asignación de “1”
personas en la tarea “A” (ver tabla de utilidades para la tarea “A”) y el beneficio
de asignar 2 persona a la tarea “B” (considérese la cantidad óptima y el beneficio
óptimo).
 Tercer escenario: si se decide asignar “2” persona para la tarea “A” nos quedaría
1 persona para la realización de la tarea “B” esto quiere decir que debemos
considerar el beneficio que nos reporta la asignación de “2” personas en la tarea
“A” (ver tabla de utilidades para la tarea “A”) y el beneficio de asignar 1 persona
a la tarea “B” (considérese la cantidad óptima y el beneficio óptimo).
Estos tres escenarios posibles se muestran en la siguiente tabla:
Variables de Decisión
Personas Rendimiento
Etapa 1
Óptimas Óptimo
Estado 3 personas 0+11 3+9 8+5

Variables de Decisión
Personas Rendimiento
Etapa 1
Óptimas Óptimo
263
Estado 3 personas 11 12 13 2 13
Con ello finaliza el análisis de la etapa 1 y la Fase de análisis del problema.

3.- FASE DE DECISIÓN:
La fase de decisión hace referencia a escoger las cantidades óptimas para la
maximización de beneficios, mostramos los cuadros resúmenes.

Etapa 1
Estado 3 personas 11 12 13 2 13
Como el proceso en la fase de análisis fue recursivo el rendimiento óptimo de todo el

proceso se expresa en la Primera etapa, es decir la utilidad máxima es igual a 13, ahora
tendremos que definir las cantidades óptimas que nos permiten alcanzar dicho
rendimiento óptimo.
En la etapa 1 se dispone de los tres trabajadores pero lo más óptimo es asignar a la
tarea “A” 2 trabajadores, por lo que tan sólo dispondríamos de 1 trabajador para las
etapas 2 y 3.

Etapa 2
1 persona 5 4 - 0 5
Estado
3 personas 7 11 10 1 11
En la Etapa 2 se dispone de 1 trabajador, pero lo más óptimo es no asignar ningún

trabajador para la realización de la tarea “B”, por lo que seguiríamos contando con 1
trabajador para la tercera etapa.
264

Etapa 3
1 persona 0 5 - 1 5
Estado
En la etapa 3 se dispone de 1 trabajador y lo óptimo es asignar 1 trabajador para la

realización de la tarea “C”.
Finalmente, la solución se puede expresar en la siguiente tabla:
.
Utilidad Máxima 13
Tarea A 2
Tarea B 0
Tarea C 1
PROBLEMA Nº 7
Un dueño de tres supermercados tiene 5 cargas de fresas frescas. Su problema es destinar

las fresas a cada supermercado, ya que cada uno de las fresas tiene distinto valor. El
ingreso en los supermercados, según la asignación de cargas se indica a continuación:
Cargamentos / Supermercado 1 Supermercado 2 Supermercado 3

destino
0 0 0 0
1 5 6 4
2 9 11 9
3 14 15 13
4 17 19 18
5 21 22 20
El no asignar las cargas de fresas a un supermercado tiene valor asociado de cero dólares
al horizonte, porque se perderán.
265
¿Cuál es el máximo o ingreso posible y cuál es la asignación que para ello?

 Función Objetivo -> máxima ganancia
 V. Decisión -> xi = 0,1,2,3,4,5
 S.A. -> x1 + x2 + x3 <= 5
Etapas -> número de etapas de decisión
Etapa 3:
S \ X3 0 1 2 3 4 5 F3 X3
0 0 - - - - - 0 0
1 0 - - - - 4 1
2 0 4 9 - - - 9 2
3 0 4 9 13 - - 13 3
4 0 4 9 13 18 - 18 4
5 0 4 9 13 18 20 20 5
Etapa 2
S\X2 0 1 2 3 4 5 F2 X2
0 0+0=0 - - - - - 0 0
1 0+1=1 6+0=6 - - - - 6 1
2 0+9=9 6+4=10 11+0=11 - - - 11 2
3 0+13=13 6+9=15 11+4=15 15+0=15 - - 15 1;2;3

4 0+18=18 6+13=19 11+9=20 15+4=19 19+0=19 - 20 2
5 0+20=20 6+18=24 11+13=24 15+9=24 19+4=23 22+0=22 24 1;2;3
Etapa 1
S\X1 0 1 2 3 4 5 F1 X1
5 0+24=24 5+20=25 6+15=21 14+11=25 17+6=23 21+0=21 25 1;3
266
SOLUCIÓN ÓPTIMA:
SUPERMERCADO 1 SUPERMERCADO 2 SUPERMERCADO 3
1 2 2
3 2 0
PROBLEMA Nº 8
Suponga que hay 30 cerillas sobre una mesa. Yo empiezo eligiendo 1,2, ó 3 cerillas.
Luego mi contrincante debe recoger 1,2, ó 3 cerillas. Continuamos así hasta que la última
cerilla es recogida. El jugador que toma la última cerilla es el perdedor. ¿Puedo estar
seguro de mi victoria? Si es así ¿Cómo puedo hacerlo? Utilice el concepto de recursión
hacia atrás.
SOLUCIÓN:
Total, de cerillas = 30
Actividad
A 1
B 2,3,4
A 5
B 6,7,8
A 9
B 10,11,12
A 13
B 14,15,16
A 17
B 18,19,20
A 21
B 22,23,24
a 25
b 26,27,28
a 29
b 30
Puede estar seguro el juego si empieza “a” el juego.
267
PROBLEMA Nº 9
Un estudiante está llevando 3 cursos este semestre, y la fecha de los exámenes se acerca.
Él debe de planificar el tiempo que dedicará al estudio de cada curso de manera que
minimice la probabilidad de reprobar los cursos. La tabla muestra la probabilidad de
reprobar un curso dado el número de horas que ha dedicado al estudio de cada curso.
Horas Cálculo Estadística Optimización
0 0,80 0,75 0,90
1 0,70 0,70 0,70
2 0,65 0,67 0,60
3 0,62 0,65 0,55
4 0,60 0,65 0,50
Determine el número de horas que se debe dedicar de forma que minimice la

probabilidad de reprobar el curso, dado que dispone de 15 horas.
Qué pasa si el estudiante está a un día de los exámenes y dispone solo de 4 horas de
estudio.
SOLUCIÓN:
X0
X1
X2
X3= 4 Calculo Estatal Optimización
R3 R1
R2
Probabilidad total = r1(X1, D1) . r2(X2, D2) . r3(X3, D3) .
268
Etapa 1:
D1 0 1 2 3 4
r1(X1, D1) .1 g1(x1) D1*
0 0,9 - - - - 0,9 0
1 - 0,7 - - - 0,7 1
2 - - 0,6 - - 0,6 2
3 - - - 0,55 - 0,55 3
4 - - - - 0,50 0,50 4
Etapa 2:
D 0 1 2 3 4
2
R2(X2, D2) . g(X2 – D2) g2(x2 D2
) *
0 0,75*0,9 = - - - - 0,67 0
0,675 5
1 0,75*0,7 = 0,70*0,9=0, - - - 0,52 0
0,525 163 5
2 0,75*0,6=0,4 0,70*0,7= 0,67*0,9=0, - - 0,45 0
5 0,49 603
3 0,75*0,55=0, 0,70*0,6=0, 0,67*0,7=0, 0,63*0,9=0, - 0,41 0
4125 42 469 585 25
4 0,75*0,50=0, 0,70*0,55 0,67*0,60 0,65*0,7 0,65* 0,37 0
775 =0,395 =0,402 =0,455 0,9 5
=0,58
5
Etapa 3:
D 0 1 2 3 4
3
R3(X3, D3) . g(X3 – D3) g3(x D3
3) *
0 0,8*0,375= 0,7*0,412 0,65*0,45=0, 0,62*0,52 0,6*0,6 0,28 1
0,3 5= 0,288 29 5= 0,3255 75 = 8
0,405
• Cálculo = 1, Estadística = 0, Optimista= 3
269
PROBLEMA Nº 10
Encuentre el camino más corto desde el nodo 1 hasta el nodo 10 en la red mostrada en
la figura siguiente:
2 5
8
1 3 6
10
4 7
Descomponemos en etapas:
2 2 5 5
8
8
1 3 3 6 6 10
9
9
4 4 0
7 7
Etapa 4:
d(x4,x5) Solución Óptima
X4 X5= 10 f4 (X4) X5*
8 3 3 10
9 4 4 10
270
Etapa 3:
d(x3,x4)+f4(x4)
X3 X4= 8 X4= 9 f3(x3) X4*
5 1+3=4 3+4=7 4 8
6 6+3=9 3+4=7 7 9
7 3+3=6 3+4=7 6 8
Etapa 2:
X2 X3=5 X3=6 X3=7 f2(x2) X3*
2 7+4=11 4+7=11 6+6=12 11 5,6
3 0+4=4 0+7=7 0+6=6 4 5
4 6+4=10 6+7=13 5+6=11 10 5
Etapa 1:
X1 X2=2 X2=3 X2=4 f1(x1) X3*
1 2+11=13 4+4=8 3+10=13 8 3
PROBLEMA Nº 11
Jenny necesita aprobar por lo menos una de las 3 materias que está cursando este
semestre para graduarse en la universidad. Los cursos que toma son Francés, Alemán y
estadística. El horario tan apretado de las actividades extracurriculares de Jenny solo le
permite 4 horas de estudio a la semana. La probabilidad de que Jenny apruebe todos
los cursos depende de la cantidad de horas que ella ocupa en estudiar (ver tabla).
Determine cuantas horas por semana debe estudiar Jenny.
PROBABILIDAD DE APROBAR CURSO

Hrs. Francés Alemán Estadística
Estudio x semana
0 0.20 0.25 0.10
1 0.30 0.30 0.30
2 0.35 0.33 0.40
3 0.38 0.35 0.44
4 0.40 0.38 0.50
271
SOLUCIÓN:
Etapas: hay 3 etapas
✓ Variables de decisión: xk= número de horas de estudio asignadas en cada curso.
✓ Variables de estado: yk = número de horas de estudio disponibles.
✓ Función de transformación: 𝑦𝑘+1 = 𝑦𝑘 − 𝑥𝑘
✓ Función de recursión = 𝐹𝑘 (𝑦𝑘 ) = 𝑀á𝑥{ 𝑔𝑘 (𝑥𝑘 ) ∗ 𝐹𝑘+1 (𝑦𝑘+1 ) }
✓ Condición de borde=
▪ 𝐹4 (𝑦4 ) = 1 𝐹4 (𝑦4 ) = 1
Etapa 3
y3 0 1 2 3 4 f3(y3) x3*
0 0.1 - - - - 0.1 0
1 0.1 0.3 - - - 0.3 1
2 0.1 0.3 0.4 - - 0.4 2
3 0.1 0.3 0.4 0.44 - 0.44 3
4 0.1 0.3 0.4 0.44 0.5 0.5 4
Etapa 2
y2 0 1 2 3 4 f2(y2) x2*
0.25*0.1 = - - - -
0 0.025 0.025 0
0.25*0.3 = 0.3*0.1= - - -
1 0.075 0.03 0.075 0
0.25*0.4= 0.3*0.3= 0.3*0.1= - -
2 0.1 0.09 0.033 0.1 0
0.25*0.44= 0.3*0.4= 0.33*0.3= 0.35*0.1= -
3 0.11 0.12 0.099 0.035 0.12 1
0.25*0.5= 0.3*0.44= 0.33*0.4= 0.35*0.3= 0.38*0.1=
4 0.125 0.132 0.132 0.105 0.038 0.132 1
ó
2
Etapa 1
y1 0 1 2 3 4 f1(y1) x1*
0.2*0.132= 0.3*0.12= 0.35*0.1= 0.38*0.07= 0.4*0.025=
4 0.0264 0.036 0.035 0.0285 0.01 0.036 1
Por lo tanto:
 X1= 1, debe estudiar 1 hora de francés.
 X2= 1, debe estudiar 1 hora de alemán.
 X3= 2, debe estudiar 1 hora de estadística.
272
PROBLEMA Nº 12
Se tiene el siguiente diagrama con las distancias en kilómetros y los caminos para ir de
una ciudad a otra, Determinar la ruta más corta para ir de la ciudad 1 a la 12 y realizar
el diagrama de las ciudades que debería visitar.
Solución:
Etapas: n=4 (E1, E2, E3, E4)

Xn: todas las ciudades que puede visitar
Dn: ciudad que se decide visitar
Rn: distancia en Km
273
274
PROBLEMA Nº 13
Un estudiante debe elegir diez cursos optativos de cuatro departamentos diferentes. Debe
seleccionar al menos un curso de cada departamento. Su objetivo es “repartir” sus diez
cursos en los cuatro departamentos, de tal manera que maximice sus “conocimientos” en
los cuatro campos. Comprende que si toma un cierto número de cursos en un departamento,
su experiencia sobre la materia no aumentara apreciablemente porque el material será
demasiado complicado para que lo comprenda o porque los cursos se repiten. Por
consiguiente, mide su capacidad de aprendizaje como una función del número de cursos
que toma en cada departamento en una escala de 100 puntos y produce el diagrama
siguiente. (Se supone que los agrupamientos de cursos satisfacen los prerrequisitos para
cada departamento.) Formule el problema como un modelo de programación dinámica
utilizando las ecuaciones recursivas de avance y de retroceso.
Número de cursos
Departamento 1 2 3 4 5 6 7 8 9 10
I 25 50 60 80 100 100 100 100 100 100
II 20 70 90 100 100 100 100 100 100 100
III 40 60 80 100 100 100 100 100 100 100
IV 10 20 30 40 50 60 70 80 90 100
SOLUCIÓN:
Datos:
✓ Total de cursos a seleccionar:10
✓ Objetivo: Maximizar conocimientos
✓ Restricción: debe seleccionar al menos un curso por departamento
Definiendo etapas:
▪ Etapa 1: Departamento IV
▪ Etapa 2: Departamento III
▪ Etapa 3: Departamento II
▪ Etapa 4: Departamento I
275
ETAPA 1 Departamento IV
En esta etapa solo se toma los beneficios alcanzado, al elegir cuantos cursos se quiere
llevar en el departamento IV, pues no hay etapa anterior.
1 2 3 4 5 6 7 F(Xi) Xi
1 10 - - - - - - 10 1
2 10 20 - - - - - 20 2
3 10 20 30 - - - - 30 3
4 10 20 30 40 - - - 40 4
5 10 20 30 40 50 - - 50 5
6 10 20 30 40 50 60 - 60 6
7 10 20 30 40 50 60 70 70 7
ETAPA 2 Departamento III

En esta etapa ya se empieza a acumular los beneficios alcanzados tomando en cuenta la
elección de los cursos en este departamento y en el anterior.
1 2 3 4 5 6 7 F(Xi) Xi
2 50 - - - - - - 50 1
3 60 70 - - - - - 70 2
4 70 80 90 - - - - 90 3
5 80 90 100 110 - - - 110 4
6 90 100 110 120 110 - - 120 4
7 100 110 120 130 120 110 - 130 4
8 110 120 130 140 130 120 110 140 4
ETAPA 3 Departamento II
Se toma en cuenta los beneficios de la primera segundo y tercera etapa, de manera
acumulativa, hasta el momento el beneficio máximo es 210.
Estos cuadros se han realizado tomando en cuenta el grafico inicial, en el cual se puede
observar que la cantidad máxima de cursos disponibles 7, y la cantidad mínima es 3, pues
se necesita como mínimo I en el departamento I, I en el departamento II, I en el
departamento III.
1 2 3 4 5 6 7 F(Xi) Xi
3 70 - - - - - - 70 1
4 90 120 - - - - - 120 2
5 110 140 120 - - - - 140 2
6 130 160 140 150 - - - 160 2
7 140 180 160 170 150 - - 180 2
8 150 190 180 190 170 150 - 190 2o4
9 160 200 190 210 190 170 150 210 4
276
ETAPA 4 Departamento I
Aquí se obtiene el beneficio máximo, teniendo en cuenta todas las restricciones anteriores.
1 2 3 4 5 6 7 F(Xi) Xi
10 236 240 240 240 240 240 170 240 2,3,4
o5
Haciendo un análisis hacia atrás, vemos que existen 5 alternativas distintas que dan el
mayor grado de satisfacción.
DEPARTAMEN ALTERNATI ALTERNATI ALTERNATI ALTERNATI ALTERNATI
TOS VA 1 VA 2 VA 3 VA 4 VA 5
I 2 2 3 4 5
II 2 4 2 2 2
III 4 3 4 3 2
IV 2 1 1 1 1
PUNTAJE 240 240 240 240 240
TOTAL
Dando como resultado un puntaje máximo de 240 y para este resultado existen 5
alternativas distintas, mostradas en la tabla anterior.
PROBLEMA Nº 14
Cierto estudiante desea destinar los 7 días de la semana próxima a estudiar cuatro cursos.
Necesita al menos un día para cada curso y el puntaje que puede lograr se da en la
siguiente tabla.
¿Cuántos días debe dedicar a cada curso para lograr el mayor puntaje posible? Y ¿Cuál
sería ese puntaje?
Días Curso Curso Curso Curso
1 2 3 4
1 13 15 12 16
2 15 15 12 16
3 16 16 17 19
4 17 19 18 19
❖ Etapas: Curso 1, Curso 2, Curso 3 y Curso 4.

❖ Estados: 1, 2, 3, 4, 5, 6 y 7.
❖ Alternativas: 1, 2, 3 y 4.
277
Etapa 4:
1 2 3 4 X4* f4(S4)
1 16 - - - 16 1
2 16 16 - - 16 1,2
3 16 16 19 - 19 3
4 16 16 19 19 19 3,4
Etapa 3:
1 2 3 4 X3* f3(S3)
2 12 + 16 - - - 28 1
3 12 + 16 12 + 16 - - 28 1,2
4 12 + 19 12 + 16 17 + 16 - 33 3
5 12 + 19 12 + 19 17 + 16 18 + 16 34 4
Etapa 2:
1 2 3 4 X2* f2(S2)
3 15 + 28 - - - 43 1
4 15 + 28 15 + 28 - - 43 1,2
5 15 + 33 15 + 28 16 + 28 - 48 1
6 15 + 34 15 + 33 16 + 28 19 + 28 49 1
Etapa 1:
1 2 3 4 X1* f1(S1)
7 13 + 49 15 + 48 16 + 43 17 + 43 63 2
SOLUCIÓN:
El estudiante deberá dedicar al Curso 1: 2 días, al Curso 2: 1 día, Curso 3: 3 días y al
Curso 4: 1 día.
Teniendo como puntaje: 63 (promediado en 4 cursos 15,75 puntos)
278

Libro - Investigacion de Operaciones 2

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Libro - Investigacion de Operaciones 2

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

Facultad de Ciencias Matemáticas

Lucio Malásquez Ruiz

1. Teoría de decisiones ................................................................................3 pág.

 Introducción ....................................................................................... 4 Pág.

2.2 ELEMENTOS DE UN PROBLEMA DE DECISIONES

Alternativas Estados de la Naturaleza

A1 r11 r12 r1n

Debe observarse que las estrategias y estados de la naturaleza, se enumeran de tal

2.4 DETERMINACIÓN DE LOS ESTADOS DE LA NATURALEZA.

No están bien definidos, ocurren esporádicamente y no se tiene información

3.2. SEGUNDA TIPOLOGÍA

EJEMPLO Venta De Arboles

✓ 01: Vender 100 arboles

métodos: Estimaciones, Corazonadas, La experimentación, Modelos Empíricos,

LA TIENDA SABINO Y ROQUE

- Se tiene conocimiento que en la temporada se ha de vender 60 docenas de

01: Demanda de 60 docenas.

A1: Almacenar 50 docenas

Matriz de pagos: Utilidades:

subjetiva. En ambos casos no se conoce perfectamente el estado que adoptará la

En algunas ocasiones, podemos agregar información pasada o de situaciones

PROCESO FORMAL DE UN PROBLEMA DE DECISIÓN

El decisor asigna probabilidades de ocurrencia de cada estado natural,

𝐼𝑛𝑔 = 1(3)(12) + 0.5(0.5)(12) = 36 + 3 = 39

1.1.1. PREFERENCIAS CON EL VALOR ESPERADO

ELABORACION DEL PAN

Matriz de pagos: Utilidades

Aplicando a cada alternativa la expresión:

1.2.3 EVALUACIÓN SUBJETIVA DE LAS CONSECUENCIAS MONETARIAS

1.2.4 LOTERIAS Y COMPORTAMIENTO RACIONAL

Donde la probabilidad subjetiva del decisor en cuanto a la ocurrencia del evento ej

Una lotería se considera como un problema de decisiones donde la naturaleza es la

𝐿 = {(𝑃1 , 𝑒1 )(𝑃𝑒2, 𝑒2 ) … (𝑃𝑛 , 𝑒𝑛 )}

Representación gráfica de la lotería L1:

L1 = {(0.30, e1), (0.40, e2), (0.30, e3)}

1.2.5 LOTERIA DE DOS ETAPAS

Interpretamos esta lotería de dos etapas, como un problema de decisiones de dos

A. Dado el conjunto de eventos:

E = {e1, e2,…., en}

Lk = {(P1, e1), (P2, e2),…. (Pj, ej)… (Pn, en)}

Donde la lotería de segunda etapa es:

𝜏 = {(q1, L1), (q2, L2)…….. (qi, Li)… (q, m)}

1.2.6 AXIOMAS DEL COMPORTAMIENTO RACIONAL

1. Sean los eventos e1, e2. Se dan las posibilidades:

2. A un decisor racional le es indiferente una lotería 𝜏 de dos etapas y una lotería L de

3. Para cada evento ej ∈ E diferente de e1 y en le es indiferente a un decisor racional

1.2.7 MODELO DEL COMPORTAMIENTO RACIONAL

Ej = {e1, e2,. . . en}

4. Para cada evento ej, j=2,3,4,…k,…,n-1 el decisor considera lo siguiente:

5. Sea uj =u para cada premio ej del conjunto Ej. Donde j = 2, 3, …, n-1

✓ Para A: La = {(0.6, 50,000), (0.1, 20,000), (0.3, -20,000)}

Identificando los eventos:

Asociando los índices de utilidad a los siguientes premios

Formulando la lotería de preferencia:

Ahora, el conjunto de premios se reduce

E1 = {40.000; 30,000; 20,000; 0; -10,000}

El índice de utilidad para e = 40,000 es: u (40,000) = 0.98

La misma pregunta anterior para 30,000

Realizando el mismo procedimiento para los demás

Siendo la funciona de utilidad:

ej 50,000 40,000 30,000 20,000 0 -10,000 -20,000

▪ 250 + 500 = 0 ▪ 253 + 501 = 125

▪ 254 + 504 = 300

A) E1= 100,0000.35 + 120,0000.30+ (-20,000)*0.35 = 64,000

B) E2= 60,000 * 0.30 + 160,0000.50(-40,000)*0.20 = 90,000