Investigacin de operaciones

Introduccin

n la unidad 1 aprendimos la importancia que tiene la investigacin

de operaciones (I. O.) en la toma de decisiones, tanto estratgicas
como operacionales, donde el ingeniero utiliza la metodologa
de la I. O. para resolver los problemas que se presentan en la industria;
tambin presentamos algunas aplicaciones concretas. En cuanto a la
metodologa, explicamos que una de las partes ms importante pero
compleja, es la construccin del modelo matemtico que represente
de manera vlida y eficaz el problema a resolver. En esta unidad
analizaremos el concepto de modelo, los tipos de modelos y finalmente
la construccin de modelos matemticos que representen las relaciones
entre las variables y los datos de un problema, as como ejemplos de
programacin lineal, redes y lneas de espera.
En conclusin, pretendemos que con esta unidad el lector comprenda
y analice cada uno de los pasos para la construccin de un modelo
matemtico vlido, independientemente de la diversidad del problema
que represente, y no slo se memorice un modelo particular para un
caso especfico o individual.

2.1. Definicin de modelo y su clasificacin

Un modelo es la representacin simplificada de un fenmeno que
conserva las relaciones ms significativas entre las variables y los datos
involucrados en el fenmeno para su fcil manipulacin.
Un modelo representa parcialmente a la realidad. Si quisiramos construir
un modelo que la representara 100%, (si fuera posible) resultara muy
costoso, complejo y de difcil manejo; sin embargo, tampoco vamos a
construir modelos simplistas que se alejen demasiado de la realidad. Es
responsabilidad del ingeniero desarrollar el punto medio entre estos dos
extremos.
Antes de clasificar los modelos por su tipo, citemos algunos ejemplos.

51

Unidad 2

Ejemplo 1
En Francia existe un tnel de viento donde se prueban los fuselajes
de los aviones para determinar su resistencia al viento y a las
turbulencias. Sera muy costoso construir un tnel de viento lo
suficientemente grande para probar un avin de dimensiones reales,
adems resultara muy costosa la construccin del prototipo. En lugar
de hacer esto, se construyen modelos a escala de los aviones que se
desean probar.

Ejemplo 2
En una empresa se tiene una lnea de produccin que consta de 12
pasos, si queremos mostrar esta lnea de produccin a un grupo de
inversionistas para inducirlos a la compra de acciones de la compaa,
sera complicado llevarlos directamente a la lnea de produccin, ya que
el ruido y los obreros no permitiran una buena comunicacin; en su
lugar podemos construir un diagrama de flujo que represente la lnea de
produccin.

Ejemplo 3
Una compaa que fabrica pasta dental desea saber cuntas personas
en Mxico conocen su producto. Una forma de saberlo es preguntarle
a cada mexicano, lo que resultara muy costoso para la empresa, en
su lugar podemos utilizar un modelo estadstico que nos permita
hacer la pregunta solamente a un grupo reducido (muestra), y
con base en los resultados inferir el comportamiento en toda la
poblacin.
Cada uno de los ejemplos anteriores, representa un tipo de modelo,
el primero es un modelo tangible construido en tres dimensiones, el
segundo utiliza un esquema que es anlogo a la lnea de produccin
mientras que el ltimo es un modelo matemtico para representar la
realidad.

52

Investigacin de operaciones

Los modelos se clasifican en:

Modelos icnicos.
Modelos analgicos.
Modelos matemticos.
Modelos icnicos
Es una representacin a escala de la realidad, suprimiendo algunos
aspectos para facilitar su manipulacin. Una caracterstica importante
de este tipo de modelos, es que se utilizan para analizar fenmenos que
se mantienen estticos. Ejemplos:
Una maqueta con casas o edificios a escala.
Un diagrama de dos cargas elctricas.
Una maqueta que simula la superficie lunar.
Un mapa de Amrica del Norte.
Un modelo a escala de un avin.
Un globo terrqueo para trabajo escolar.
Modelos analgicos
Un modelo analgico, es un sistema que tiene un comportamiento
parecido al problema que se desea estudiar pero con la diferencia que
el modelo s se puede manipular. Por ejemplo, para medir la velocidad
de un automvil la velocidad angular de la llanta se transforma en
corriente elctrica; aqu la analoga consiste en que la corriente inducida
se incrementa en forma proporcional a la velocidad del automvil. La
corriente inducida mueve la aguja del velocmetro hacia una posicin
dentro de una escala de velocidades. A diferencia de los modelos icnicos,
los modelos analgicos pueden representar situaciones dinmicas,
adems de que al utilizar este tipo de modelos incrementamos la
capacidad de hacer cambios. Ejemplos:
Un diagrama de flujo.
Un circuito elctrico.
El probar medicinas en animales.

53

Unidad 2

Modelos matemticos
Este tipo de modelos representan la realidad mediante smbolos y
cantidades relacionadas matemticamente; por ser abstractos no estn
restringidos a un nmero especfico de dimensiones, ya que podemos
manejar tantas variables como queramos. Un ejemplo de este tipo de
modelo simblico es una ecuacin, la cual puede representar las relaciones
entre el tiempo que tarda en caer un cuerpo y el valor de la velocidad
inicial, la masa del cuerpo, la friccin del aire, la temperatura, etctera.
Ejemplos de modelos matemticos:
La ecuacin de la relatividad de Einstein, E = mc2
La segunda ley de Newton, F = ma
t
La funcin de costos de un proceso, C (t ) 1 000
2
El modelo de programacin lineal de un problema de
optimizacin.
Zmx = 10x + 50y
2x + 3y < 5
7x 14y > 6
x, y > 0

Los modelos simblicos tienen muchas ventajas sobre la descripcin de

un problema. Algunas de las ventajas son:
Un modelo matemtico puede ser muy preciso. Por ejemplo, decir
que se desea mejorar un proceso de construccin de tornillos, no
nos indica de manera clara a qu se refiere el mejorar el proceso,
sin embargo, si escribimos la ecuacin de costo de produccin y
decimos que sta se quiere minimizar (Zmn = 3x + 4y), el
problema queda bien determinado.
En un modelo simblico slo se consideran las variables y datos
que son importantes para obtener la solucin del problema.
Ejemplo: si se tienen cuatro trabajadores que producen 30 horas
de trabajo al da; es probable que no interese el nmero de
trabajadores, sino nicamente el nmero de horas de trabajo
generadas, por tal motivo en el modelo simblico slo aparecer 30
como un dato.

54

Investigacin de operaciones

Un modelo simblico nos permite utilizar tcnicas matemticas y

la computadora para la solucin de los problemas de I. O.

En este libro utilizaremos modelos matemticos.

Ejercicio 1
1. Un modelo matemtico es:
a) Una ecuacin.
b) Un avin a escala.
c) Una fotografa.
d) Un diagrama de flujo.
2. Un ejemplo de un modelo icnico es:
a) Una ecuacin.
b) Un avin a escala.
c) Una frmula qumica.
d) Un diagrama de flujo.
3. Es una abstraccin simplificada de la realidad:
a) Un problema.
b) Un experimento.
c) Un modelo.
d) Una hiptesis.
4. Escribe la definicin de modelo
____________________________________________________________________________________________________________________________________________.
5. De la clasificacin de modelos, cul es el tipo de modelo que se
utiliza para resolver problemas en I. O.?
______________________________________________________________________.

55

Unidad 2

2.2. Construccin de modelos

de programacin lineal
Una vez definido lo que representan los modelos y cmo se
clasifican, ahora tenemos que aprender a construirlos. En la unidad
1 mencionamos que existen programas computacionales comerciales
que nos permiten resolver problemas de I. O., que para ser eficaces,
el usuario debe introducir los datos del modelo a la computadora
(en la actualidad, no existen programas computacionales capaces de
construir modelos).
Construir modelos matemticos es considerado por algunos especialistas
un arte, ya que cada persona realiza su interpretacin de la realidad;
para hacer un modelo no existe un algoritmo especfico, sino que, se
debe utilizar mucha creatividad y una gran cantidad de conocimientos
tcnicos afines con el tema del problema que se trata de solucionar.
Por ejemplo, si queremos obtener el modelo matemtico de un proceso
qumico debemos tener conocimientos sobre qumica, para entender las
reacciones qumicas que se llevan a cabo durante el proceso, para que de
esta manera podamos cuantificarlas mediante smbolos.
Al desarrollar un modelo es recomendable empezar con uno muy sencillo,
que slo tome en cuenta pocas variables y datos; posteriormente se
construyen modelos ms complejos, los cuales consideran ms variables
y datos. Este proceso se detiene cuando el ingeniero considere que
el modelo obtenido representa de manera satisfactoria el problema de
estudio.
Los modelos matemticos que vamos a construir en I. O. son:

56

De programacin lineal.
Del problema de transporte.
De redes.
De lneas de espera.

Investigacin de operaciones

Para clasificarlos, utilizamos diferentes criterios como son:

El tipo de variables.
El tipo de restricciones.
El tipo de funcin objetivo.
Tipo de distribucin de llegadas y de servicio.
Nmero de lneas.

Uno de los modelos ms importantes en la I. O. es el modelo de

programacin lineal (P. L.), el cual se define como:
Un modelo de P. L. consiste en una funcin lineal, la cual se desea
optimizar (maximizar o minimizar) sujeta a un conjunto de restricciones
lineales.
Los modelos de P. L. aparecen en aplicaciones para optimizar

Costos de produccin.
Ganancias.
Costos de transporte.
Recursos limitados.

Para construir un modelo de P. L. se recomienda:

1. Identificar los datos y las variables de decisin.
2. Identificar las restricciones.
3. Identificar la funcin objetivo.

2.2.1. Los datos y las variables de decisin

Para poder construir modelos, necesitamos tener identificadas las
variables del problema, adems de los datos que intervienen en el
mismo.
Identificacin de las variables de decisin
El primer paso para la construccin de modelos consiste en identificar
las variables controlables o de decisin, esto es, las variables cuyo valor

57

Unidad 2

deseamos determinar. El valor de estas variables, una vez determinado,

representa la solucin del problema. Para identificar estas variables,
debemos cuestionarnos: qu es lo que queremos cuantificar?, qu
valores del problema podemos manipular?, cules son los valores de las
variables a optimizar?, qu valores, una vez determinados, forman una
solucin del problema? Analicemos el siguiente ejemplo para ver cmo
se identifican las variables de decisin:

Ejemplo 4
La empresa NINTEN se dedica a la fabricacin de impresoras.
Producen tres modelos distintos, la impresora de matriz de puntos,
la lser y la de inyeccin de tinta. El ingeniero de produccin
decidir sobre el nmero de impresoras (de cada tipo) que deben
fabricar. Para ello debe tomar en cuenta los datos contenidos en la
siguiente tabla:
Tabla 1

La informacin contenida en la tabla 1 se interpreta de la siguiente

manera: el rengln nos indica el tipo de impresora y la columna nos
indica el tipo de dato. Por ejemplo, cada impresora de inyeccin de tinta
produce una ganancia de $ 700.00, el costo de una impresora de matriz
de puntos es de $ 1 000.00, mientras que el tiempo para fabricar una
impresora lser es de 60 minutos.
El ingeniero sabe que el capital disponible para producir el lote de
impresoras es de $ 595 000.00 y slo se dispone de 265 horas de fuerza
de trabajo. Adems, el departamento de ventas le informa que todas
las impresoras producidas por debajo o igual a la demanda mnima se
pueden vender sin ningn problema.

58

Investigacin de operaciones

Lo primero para construir el modelo matemtico de este problema es

identificar las variables de decisin, para esto debemos contestar las
siguientes preguntas:
1. Qu es lo que queremos cuantificar?
Respuesta: Las ganancias producidas por la produccin y venta del lote
de impresoras.
2. De qu dependen las ganancias?
Respuesta: Del nmero de impresoras que se fabriquen y vendan de cada
tipo (no confundir con la ganancia unitaria precio-costo).
3. Se puede optimizar el nmero de impresoras fabricadas de cada
modelo?
Respuesta: S.
4. Si conocemos el nmero ptimo de impresoras que debemos producir
de cada modelo para obtener la mxima ganancia, est resuelto el
problema?
Respuesta: S.
Podemos concluir que las variables de decisin son la cantidad de
impresoras de cada modelo que se deben producir.
Se le dar un nombre a cada una de las variables de decisin. El nombre
debe dar una idea del tipo de variable que representa, adems debe ser
de fcil manipulacin. Para el ejemplo podemos utilizar:
IM = nmero de impresoras del tipo de matriz de puntos que se deben
producir y vender.
IT = nmero de impresoras del tipo de inyeccin de tinta que se deben
producir y vender.
IL = nmero de impresoras lser que se deben producir y vender.

59

Unidad 2

Identificacin de los datos

Una vez determinadas las variables de decisin, debemos identificar
aquellas cantidades que intervienen en el problema. Por ejemplo; los
costos de fabricacin de cada impresora, la demanda del producto, la
fuerza de trabajo disponible, el tiempo de uso de una mquina, etc.
A todas estas cantidades les llamaremos datos; estos datos quedan
determinados al plantearse el problema.
Los datos para el ejemplo son:
El capital disponible de $ 595 000.00.
El total de fuerza de trabajo es 265 horas.
Demanda mnima de cada tipo de impresoras.
El tiempo de fabricacin de cada tipo de impresora.
El costo de cada tipo de impresora.
La ganancia de cada tipo de impresora.

2.2.2. Las restricciones y la funcin objetivo

Una vez que se tienen las variables de decisin y los datos del problema,
se formula matemticamente, tanto el objetivo que se persigue, como
cada una de las restricciones del problema.
Identificacin de la funcin objetivo
La funcin objetivo se llama as ya que su propsito es:
Maximizar utilidades.
Minimizar costos.

Por ejemplo, en una dieta se busca la combinacin ptima de nutrientes

que minimice costos, a la vez que se minimiza el contenido de grasa
en el men. En general, la funcin objetivo debe medir de manera
cuantitativa el factor a optimizar.

60

Investigacin de operaciones

Recordemos que la I. O. es una herramienta que permite al ingeniero

tomar decisiones de tipo operativo. Estas decisiones son tomadas con la
premisa de maximizar las utilidades de la empresa, las cuales dependen
de los siguientes factores:
Costos de produccin.
Precio de venta.
Volumen de venta.

La funcin de utilidades U(x) de una empresa asociada a un producto, la

podemos escribir matemticamente como:
U ( x) p x C ( x)
Donde:
x = volumen de venta.
p = precio de venta.
C(x) = funcin de costos evaluada en x, esto es, nos dice el costo de
producir x productos.
Si tenemos dos o ms productos, la funcin de utilidad es igual a la suma
de las funciones de utilidad de cada uno de los productos, es decir:
U ( x1 , x2 , ...xn ) U ( x1 ) U ( x2 ) ... U ( xn )
Donde xi es el volumen de venta del i-simo producto.
Para poder maximizar las utilidades de la compaa tenemos varias
alternativas:
Producir ms unidades del producto que representa una mayor
utilidad.
Disminuir costos de produccin.
Buscar combinaciones de productos de bajo costo de produccin y
precio competitivo.

Estos factores son los que se deben ver reflejados en la funcin objetivo,
la cual debe medir de una manera matemtica los costos o utilidades de
producir y vender una combinacin de productos.

61

Unidad 2

Para construir la funcin objetivo debemos:

Describir el objetivo que perseguimos en forma verbal. Para el
ejemplo de NINTEN: maximizar las utilidades de la empresa,
debidas a la produccin y venta de los tres tipos de impresoras.
Escribir el objetivo en trminos de las variables de decisin y de los
datos del problema, utilizando operaciones aritmticas.

Para la empresa NINTEN las utilidades por producir y vender impresoras

de matriz de puntos (IM) es igual al producto de la ganancia unitaria por
el total de impresoras producidas y vendidas, es decir:
U1 ( IM ) 800 IM
De manera similar se obtienen las ganancias para las impresoras de
inyeccin de tinta (IT) y las del tipo lser (IL).
U 2 ( IT ) 700 IT
U 3 ( IL) 1 000 IL
Finalmente, la utilidad total es la suma de estas tres utilidades:
U ( IM , IT , IL) 800 IM 700 IT 1 000 IL
Esta ltima expresin matemtica calcula la utilidad en trminos de las
variables de decisin. La funcin objetivo la escribimos como:
Z mx = 800 IM 700 IT 1 000 IL
Identificacin de las restricciones
Las restricciones son relaciones matemticas entre las variables de
decisin y las limitantes de la empresa. En el caso de los modelos
de P. L. estas restricciones son desigualdades o igualdades lineales.
Estas inecuaciones matemticas incluyen restricciones lgicas para
las variables que las condicionan a ser siempre positivas. A estas
restricciones que se presentan al final del modelo les llamaremos
condiciones de no negatividad.

62

Investigacin de operaciones

En las restricciones se deben tomar en cuenta:

Las restricciones son las condiciones que las variables de decisin

deben satisfacer para constituir una solucin aceptable.*
Para nuestro ejemplo las restricciones son las siguientes:
Restricciones de la empresa. Slo tenemos $ 595 000.00 de capital
disponible para la produccin del lote de impresoras, por lo tanto,
el costo de produccin debe ser menor o igual a esta cantidad.
El costo de producir IM es de 1 000 IM, para las IT es de
1 500 IT y para las IL 2 400 IL, por lo tanto, el costo de
produccin es la suma de las cantidades anteriores, es decir:

1 000 IM 1 500 IT 2 400 IL

Pero esta cantidad debe ser menor a 595 000. Esto lo representamos
matemticamente como:
* Kamlesh Mathur y Daniel Solow, Investigacin de operaciones, Prentice-Hall.

63

Unidad 2

1 000 IM 1 500 IT 2 400 IL 595 000

Restriccin fsica. La empresa cuenta con 265 horas de fuerza
de trabajo para la produccin del lote de impresoras. El tiempo de
fabricacin de las IM es de 30 IM minutos, para las IT es de
40 IT minutos y finalmente para las IL 60 IL minutos. Por lo
tanto, el tiempo total de fabricacin del lote en minutos es de:

30 IM 40 IT 60 IL
Pero este tiempo debe ser a lo ms de 265 horas. Para representarlo
matemticamente, primero se convierten 265 horas en minutos (para
trabajar con las mismas unidades)

60 min
265hr
15 900 mn
1hr
Con lo cual la restriccin se escribe como:

30 IM 40 IT 60 IL 15 900
Restriccin externa. Para asegurarnos que todas las impresoras
producidas sean vendidas, la cantidad de IM debe ser menor o igual
a 100, las de IT debe ser menor o igual a 80 y las IL deben ser a lo
ms 50. Para escribir esto en forma matemtica:

IM 100
IT 80
IL 50
Restricciones lgicas o condicin de no negatividad de las
variables. No podemos producir cantidades negativas de impresoras
y en este caso, tampoco podemos producir fracciones de ellas, por
tanto, los valores de las variables deben ser enteros positivos:

IM 0
IT 0
IL 0
IM , IT , IL Z

64

Investigacin de operaciones

El modelo matemtico que obtenemos es del tipo de programacin

lineal:

Funcin objetivo
Z mx = 800 IM 700 IT 1 000 IL
sujeto a las restricciones:
1 000 IM 1 500 IT 2 400 IL 595 000
30 IM 40 IT 60 IL 15 900
IM 100
IT 80
IL 50
Con condicin de no negatividad:
IM 0
IT 0
IL 0

Adems: IM , IT , IL

Ejercicio 2
1. Escribe la definicin de un modelo de programacin lineal.
______________________________________________________________________________________________________________________________________.
2. Los modelos que vamos a utilizar en I. O. son:
a) Modelos icnicos.
b) Modelos simblicos o matemticos.
c) Modelos crticos.
d) Modelos analgicos.

65

Unidad 2

3. El modelo de P. L. se utiliza en:

a) Modelos de lneas de espera.
b) Modelos de inventarios.
c) Modelos no lineales.
d) Modelos de transporte.
4. Una variable de decisin en el ejemplo de NINTEN es:
a) El precio de venta de las impresoras.
b) El tiempo de fabricacin de cada impresora.
c) El nmero de impresoras lser que se debe producir.
d) El capital disponible.
5. Escribe los pasos del proceso de construccin de los modelos de P. L.
Identificacin _____________________________________.
Identificacin _____________________________________.
Identificacin _____________________________________.
6. Relaciona las siguientes columnas.
a) Restricciones fsicas.
b) Restricciones de la empresa.
c) Restricciones lgicas.
d) Restriccin externa.

( ) Las variables deben ser

siempre positivas.
( ) El precio del producto debe
ser menor al de la competencia.
( ) El espacio del almacn de
producto terminado.
( ) El capital disponible.

2.3. Construccin de modelos de redes

y de lneas de espera
En la seccin anterior aprendimos a construir modelos simblicos de
programacin lineal. Aunque este modelo se puede aplicar en varios
problemas reales de manufactura y transporte, no se puede utilizar para
modelar problemas con variables estocsticas, es decir, variables cuyo
valor depende del azar.

66

Investigacin de operaciones

En este libro vamos a estudiar dos modelos que utilizan variables

estocsticas:
Modelo de redes.
Modelo de lneas de espera.

El modelo de redes se utiliza para calcular el tiempo de elaboracin de

un proyecto.* Si conocemos este tiempo, podemos tratar de disminuirlo
cuidando que los costos no se eleven demasiado. El modelo de lneas de
espera se utiliza para determinar el nmero de estaciones de servicio,
o de personas que deben ser contratadas para dar atencin a clientes,
buscando tener el nmero ptimo, esto es, el nmero que permita
conservar los costos ms bajos y, adems, disminuir el tiempo de espera
de cada uno de los clientes.
Modelo de redes
La fabricacin de un bien o servicio se lleva a cabo en varias etapas
donde cada una recibe el nombre de proceso. Para tener un control sobre
el tiempo en que se produce el bien o servicio, debemos conocer cada
uno de los procesos, el tiempo que tarda en llevarse a cabo y el orden
que se debe seguir. Por ejemplo, en la fabricacin de una computadora
se deben ensamblar cada una de sus partes (tarjeta madre, memoria
RAM, memoria ROM, bus, disco duro, discos flexibles, puertos, fuente
de poder, etc.). Si alguno de estos procesos se interrumpe o tarda
demasiado, afecta toda la lnea de produccin, por lo tanto, es importante
tener un modelo que nos permita conocer los posibles puntos de falla
y as poder tomar medidas preventivas. Los modelos de redes tambin
miden los tiempos de cada proceso, para que de esta manera se trate
de optimizar el tiempo total, al buscar alternativas en la elaboracin del
producto (rutas crticas).
Para obtener el modelo matemtico de un problema de redes, debemos
seguir los siguientes cuatro pasos:
Identificar los procesos individuales que componen el proyecto.

* Plan que se idea para producir un bien o servicio.

67

Unidad 2

Obtener el valor del tiempo probable en que se realiza cada

proceso (si usamos la tcnica PERT) o establecer una estimacin
determinstica de este tiempo (si usamos la tcnica CPM).
Dibujar un diagrama de red del proyecto que refleje cada uno de los
procesos, su interrelacin y sus tiempos estimados.
Calcular el tiempo mnimo estimado de terminacin del proyecto.

Identificacin de los procesos individuales que componen el proyecto

Los procesos* pueden ser sencillos o complejos. Los procesos complejos
pueden analizarse como proyectos, los cuales a su vez tienen otros
procesos intermedios.
Por ejemplo, el proyecto estadounidense de poner al hombre en la
luna antes de que terminara la dcada de los 60s constaba de varios
procesos complejos (construccin de una nave para el viaje, seleccin
y entrenamiento de los astronautas, desarrollo tecnolgico para las
comunicaciones, diseo y construccin de pequeas computadoras que
se pudieran llevar en las naves, etc.), por lo tanto, cada uno de estos
procesos constitua en s mismo un proyecto que a su vez estaba
formado por numerosos procesos. Los procesos tienen caractersticas
bien definidas que nos pueden servir para identificarlos, stas son:
Los procesos deben tener un comienzo y un final claros.
Ejemplo. El proceso de seleccin de los astronautas comienza con
la convocatoria para reclutar candidatos y termina con la seleccin
de un grupo para formar la tripulacin de la nave.
La terminacin de cada proceso debe ser necesaria para la
culminacin del proyecto.
Ejemplo. Si no tenemos lista a la tripulacin, no podemos llevar a
cabo el proyecto de poner un hombre en la luna.
Un proceso debe representar un progreso en el proyecto.
Ejemplo. En cuanto se tiene la tripulacin, una parte del
proyecto esta concluida.
El tamao del proceso est en relacin directa con el control que se
tiene sobre el proyecto.
Ejemplo. Para el presidente de la NASA, un proceso es la
construccin de computadoras para controlar el vuelo, pero para
el ingeniero de sistemas, un proceso es la construccin de un
* Pasos intermedios para la elaboracin de un bien o servicio.

68

Investigacin de operaciones

compilador para el lenguaje de programacin que se va a utilizar en

las computadoras de las naves espaciales.
Debe existir una persona o grupo de personas responsables de cada
proceso.
Ejemplo. El presidente nombr un responsable del proyecto, el cual
a su vez nombr responsables de cada uno de los procesos.

Obtencin del tiempo probable (PERT)

Para obtener el tiempo probable de cada proceso se debe realizar un
anlisis estadstico,* el cual nos va a dar como resultado tres datos:
Tiempo probable del proceso: es el tiempo con mayor probabilidad en
el que puede llevarse a cabo el proceso.
Tiempo pesimista del proceso: es el intervalo de tiempo ms largo en
el que puede llevarse a cabo el proceso.
Tiempo optimista: es el intervalo de tiempo ms corto en el que puede
llevarse a cabo el proceso.
Para obtener el tiempo que se asigna a cada proceso, se utiliza un
promedio ponderado, donde el tiempo probable tiene un peso mayor al
de los tiempos extremos:
te

t p 4t to
6

Donde:
te = tiempo esperado.
t p = tiempo pesimista.
t = tiempo probable.
to = tiempo optimista.
Creacin de la red de proyectos
Para comenzar a disear la red de proyectos, primero se realiza una tabla
que muestre la relacin de precedencia** de cada uno de los procesos. Por
ejemplo, en el proyecto de preparar a los astronautas, el primer proceso
* Para ms detalles consultar Spiegel, Estadstica, McGraw-Hill.
** Precedencia: Antelacin, prioridad de una cosa con respecto a otra en el tiempo o en el espacio
(Larousse 2000).

69

Unidad 2

es seleccionarlos, posteriormente se empieza con un acondicionamiento

fsico, pruebas de manejo de aeronaves, prepararlos para la ingravidez,
etc. Por lo tanto, seleccionar a los candidatos es un proceso que precede
al proceso de acondicionamiento fsico.
La red que se construye tiene la forma de un grafo, es decir, es un
conjunto de vrtices o nodos (que representamos con un crculo) unidos
por arcos o aristas. Un ejemplo de grafo se muestra en la figura 2.1.

Figura 2.1.
Ahora, para construir la red se dibuja un nodo con el nmero cero, el cual
indica el inicio de nuestro proyecto. Tomando como punto de partida este
nodo, se dibujan los nodos que no son precedidos por ningn otro; stos
se unen con el nodo cero mediante arcos de flecha, los cuales se nombran
con la etiqueta del proceso como se muestra en la figura 2.2.

Figura 2.2.
El nodo uno representa un punto en el tiempo, en el cual el proceso A
ya se concluy, por lo tanto, a partir de este punto se dibujan los nodos
que representen los procesos que siguen al proceso A. Esto se facilita
si observamos la tabla de precedencia, supongamos que el proceso que
sigue a A es B como se muestra en la figura 2.3.

70

Investigacin de operaciones

Figura 2.3.
Y que al proceso C le sigue el proceso D, si se aaden estos dos procesos,
se obtiene el esquema presentado en la figura 2.4.

Figura 2.4.
Se contina de esta manera hasta representar todos los procesos del
proyecto. Finalmente, se coloca el nodo que represente el final del
proyecto. Si algunos de los nodos no estn unidos con otros para que la
red se cierre, se colocan procesos artificiales, los cuales se representan
con una lnea punteada y se les asigna un tiempo nulo. Con esto se
obtiene una red que representa los pasos a seguir en la elaboracin
del proyecto. En la figura 2.5., se muestra el ejemplo de una red de
proyecto:

Figura 2.5.
Por ltimo, se colocan los tiempos estimados para cada proceso, con esto
se obtiene una red que representa el proyecto (figura 2.6.), la cual va a
permitir posteriormente buscar la ruta crtica, para tratar de optimizar
el tiempo de terminacin del proyecto. Esto ltimo se estudiar en la
unidad 10.

71

Unidad 2

Figura 2.6.

Ejemplo 5
Para poder generar energa elctrica en una planta termoelctrica, se
utiliza la energa qumica que tiene el combustleo para calentar el
agua y convertirla en vapor sobrecalentado, el cual proporciona la
presin necesaria para mover las turbinas, las cuales lo convierten en
energa mecnica que es trasmitida al generador elctrico. El proyecto de
convertir el agua en vapor para generar energa elctrica, consta de los
siguientes procesos:

Se extrae agua de los pozos.

El agua es desmineralizada.
El combustleo es precalentado a 135 C.
El combustleo es inyectado a la caldera para su combustin.
El agua es bombeada a la caldera, donde pasa por el primer nivel de
calentado a 230C.
El vapor de agua pasa por el segundo nivel de las calderas, donde
se eleva su temperatura a 350 C.
El agua pasa por el tercer nivel, donde se convierte en vapor seco y
sale con una temperatura de 530 C.
El vapor sobrecalentado entra a la turbina.
Termina el proyecto.

Cada una de estas tareas se llevan a cabo de manera independiente.

Si queremos calcular el tiempo mnimo de terminacin del proyecto,
debemos medir el tiempo que se lleva cada proceso. En este caso, como
las variaciones de tiempo son muy pequeas, consideramos que su valor
es constante y analizamos el proceso como un modelo de redes tipo
CPM.

72

Investigacin de operaciones

En la siguiente tabla mostramos el tiempo de cada proceso:

Proceso
Extraccin de agua
Desmineralizacin
Primer nivel de calentado
Segundo nivel de calentado
Tercer nivel de calentado
Paso por turbina
Precalentado de combustible
Inyeccin de combustible

Etiqueta
A
B
C
D
E
F
G
H

Tiempo (minutos)
30
120
65
50
25
5
35
5

A continuacin presentamos la tabla de precedencia.

Proceso
A. Extraccin de agua
B. Desmineralizacin
C. Primer nivel de calentado
D. Segundo nivel de calentado
E. Tercer nivel de calentado
F. Paso por turbina
G. Precalentado de combustible
H. Inyeccin de combustible

Procesos precedentes
Ninguno
A
H, B
C
D
E
Ninguno
G

Con esta informacin construimos la red, vase la figura 2.7.

Figura 2.7.

73

Unidad 2

Modelos de lneas de espera

En la industria existen varios procesos que se comportan como un sistema
de lnea de espera. Una lnea de espera se forma cuando los clientes o
productos llegan a una estacin de servicio y tienen que esperar a ser
atendidos.
Ejemplos:
El proceso de reinscripcin en las escuelas.
Los clientes que llegan a verificar su automvil.
Las llamadas telefnicas que llegan al centro de atencin telefnica
de un banco.
Los pacientes que llegan para ser atendidos por un dentista.
Los trabajos de impresin que llegan a una impresora compartida
en red.

Este tipo de sistemas tienen una modelacin especial, ya que en ellos

aparecen variables y distribuciones probabilsticas. Una lnea de espera
se describe mediante los siguientes parmetros:
1. El tiempo promedio de llegada de nuestros clientes.
2. El tiempo promedio que lleva a las estaciones atender a un cliente.
3. El nmero mximo de clientes que pueden esperar en la fila.
4. El comportamiento de la fila.
5. Nmero de estaciones.
Si se conocen estos parmetros, es posible tomar decisiones sobre:
Nmero de estaciones de servicio. Si se debe aumentar o
disminuir. Esto es crucial para las empresas, ya que al abrir
demasiadas estaciones los costos se elevan, mientras que tener un
nmero insuficiente puede ocasionar perdida de clientes.
Tipo de fila. Es posible construir una fila nica (unifila) donde
los clientes se distribuyen a las estaciones de servicio, o bien
construir una fila delante de cada una de ellas. En los bancos se utilizan
unifilas, mientras que en las tiendas de autoservicio se
utilizan multifilas (al igual que en los hospitales).
Colocar estaciones especiales. Se pueden colocar estaciones
de servicio que slo atiendan a clientes que cumplan ciertas
caractersticas. En los bancos se cuenta con cajas empresariales, en las

74

Investigacin de operaciones

tiendas de autoservicio se colocan cajas rpidas y en los hospitales

se cuenta con el rea de urgencias.
Espacio fsico para la fila. Se debe determinar un espacio fsico
para que los clientes se formen, ste depende del nmero mximo
de clientes que puede tener la fila o del nmero promedio de
ellos. En algunos bancos se colocan sillas para que los clientes
esperen sentados, mientras que en otras empresas existen almacenes
intermedios entre un proceso y otro.

Para realizar el modelo simblico de una lnea de espera, se debe conocer

cada uno de los siguientes componentes:
Poblacin de clientes. Es el total de clientes que pueden llegar
a nuestra estacin de servicio. Esta poblacin puede considerarse
infinita (en un sentido terico), si el nmero de clientes es
demasiado grande. Por lo general es ms sencillo modelar lneas de
espera infinitas que finitas.
Ejemplos. Un banco considera que su poblacin es infinita, ya que en
teora cualquier persona puede entrar a solicitar uno de sus servicios.
En una empresa con 15 empleados, la fila que se forma para que les
paguen es a lo ms de 15, por lo tanto es finita.
Proceso de llegadas. Las llegadas pueden ocurrir con una
frecuencia conocida (variable determinstica) o bien pueden ser
aleatorias. En el caso de que la llegada de clientes sea probabilstica,
se utiliza una funcin de distribucin probabilstica exponencial
1 t
donde (lambda) es el nmero promedio
negativa f (t ) e

de llegadas por unidad de tiempo. Esto es, si se quiere saber cul

es la probabilidad de que llegue un cliente en la prxima unidad de
tiempo.

P(tiempo entre llegadas < t)=1 e t

Ejemplo. En un hospital la llegada de pacientes al departamento
de urgencias es aleatorio, con un promedio =10 pacientes/hora.
Cul es la probabilidad de que llegue un cliente en los prximos 20
minutos?

75

Unidad 2

Lo primero es convertir los 20 minutos a horas, ya que (lambda)

est dada en pacientes por hora; 20 min = 1/3 de hora.
P(tiempo entre llegadas < 1/3) = 1e10(1/3)

1 e 3.33 1 0.036 0.964

Esto quiere decir que nuestra probabilidad es de 96.4%.
En cambio en el rea de especialidades a los clientes se les
programa mediante citas, por lo que su llegada es determinstica.
Proceso de la fila. Los clientes tienen que elegir entre varias filas
(multicanal), o existe una fila nica (canal sencillo).
Ejemplo: En una empresa se tienen dos casetas de servicio,
los obreros pasan todas las maanas por sus herramientas de trabajo,
el ingeniero no sabe si deben formar una fila nica e ir pasando
a una de las dos casetas, o bien, formar una fila frente a cada caseta.
Proceso de servicio. Es la forma en que cada estacin da el
servicio a los clientes, incluyendo el tiempo que tarda en atenderlos.
El tiempo puede ser determinstico o probabilstico. En este ltimo
caso, podemos utilizar tambin una funcin de distribucin de
probabilidades.
Ejemplo: En una ensambladora de automviles la lnea de
produccin est semiautomatizada, por lo que la planeacin se
hace pensando en que los robots siempre tengan piezas esperando
a ser atendidas, pues de otra manera el robot estara ocioso y esto
ocasionara un costo adicional. Aqu la estacin de servicio (robot)
siempre tarda el mismo tiempo en atender a sus clientes. En cambio
en un centro de servicio de automviles el tiempo que tarda un
mecnico en reparar un automvil es variable, ya que depende del
tipo de falla que atienda.
Proceso de salida. Despus de ser atendidos los clientes se pueden
retirar del proceso o deben pasar a otra estacin de servicio. Cuando
sucede esto ltimo se dice que se tiene una red de lneas de espera.
Ejemplo: En una industria de refrescos los envases deben formar
una fila frente a la mquina de lavado y posteriormente formarse
frente a la mquina de llenado.

76

Investigacin de operaciones

Ejemplo 6
Pensemos en una clnica de consulta externa donde atienden dos
doctores. El horario de atencin es de 8 a.m. a 5 p.m. El tiempo de
consulta por paciente oscila entre 6 y 30 minutos. Los pacientes llegan a
la clnica de manera aleatoria, con una frecuencia dada por la siguiente
tabla:
Nm. de pacientes por hora
6
7
8
9
10

Frecuencia
20%
30%
25%
15%
10%

Esto es, se tiene el 0.20 de probabilidad de que lleguen 6 pacientes en

la siguiente hora, el 0.30 de que lleguen 7, 0.25 de que lleguen 8, etc.
El tiempo que tarda la consulta tambin es aleatorio, el cual se modela
con una distribucin normal con media de 18 y desviacin estndar de 4
minutos. Si los pacientes llegan ms rpido de los que son atendidos por
los doctores, entonces se va a formar una fila. En este proceso existen
dos variables estocsticas, el nmero de pacientes que llegan a la clnica
y el tiempo de consulta por paciente.
El inters del problema es minimizar el tiempo que esperan los pacientes
para ser atendidos, ya que si se prolonga demasiado, el paciente sale de
la clnica, con lo cual se perdera al cliente. Una solucin pudiera ser
contratar ms doctores, sin embargo, esto hace que los costos se eleven
y si el nmero de clientes no es lo suficientemente grande para tener
ocupados a todos los doctores, se pierde dinero por el tiempo ocioso. Por
lo tanto, nuevamente se busca un punto de equilibrio, donde el tiempo
de espera por parte del paciente sea mnimo pero al menor costo posible.
Todo esto se tratar con mayor detalle en la unidad 9.

77

Unidad 2

Ejercicio 3
1. Es el nombre que se les da a las variables cuyo valor depende del
azar.
a) Discreta.
b) Aleatoria.
c) Continua.
d) Determinstica.
2. Es el proceso de anlisis de proyectos que utiliza tiempos aleatorios.
a) PERT
b) CPM
c) PETR
d) PCM
3. Proceso donde los clientes deben esperar ser atendidos por una
estacin de servicio.
a) Redes.
b) Programacin lineal.
c) Inventarios.
d) Lneas de espera.

4. Describe las cinco caractersticas que debe cumplir un proceso.

______________________________________________________________________________________________________________________________________________.
5. Coloca el nombre de cada componente en la siguiente red.
a)
d)
b)
c)

78

Investigacin de operaciones

6. Relaciona las siguientes columnas

a) Tipo de fila.
b) Estaciones especiales.
c) Espacio fsico para la fila.
d) Multicanal.

( ) Almacn intermedio entre un

proceso y otro.
( ) Unifila.
( ) Caja rpida.

7. Describe cada uno de los siguientes componentes de una lnea de

espera:
a) Proceso de llegadas.
______________________________________________________________________________________________________________________________________________
____________________________________________________________________________________________________________________________________________.
b) Proceso de servicio.
______________________________________________________________________________________________________________________________________________
____________________________________________________________________________________________________________________________________________.

2.4. Clasificacin de modelos matemticos

en investigacin de operaciones
Los modelos matemticos que se obtienen al resolver problemas de I. O.,
se clasifican dependiendo del tipo de variables que utilizan, del tipo de
funcin objetivo, si existen restricciones y de qu tipo son; esto se hace con
la finalidad de tener bien identificado el modelo y as poder buscar la mejor
tcnica para resolverlo. A continuacin presentamos una clasificacin de los
modelos:
Por el tipo de variables que utilizan:
Determinsticos. Si el valor que toman las variables no depende del azar.
Estocstico. Si el valor de las variables depende del azar.
Los determinsticos se clasifican a su vez:

79