1

PRESENTACIN

Esta notas pretenden convertirse en un material de apoyo para la realizacin del

ncleo de Mtodos cuantitativos para los negocios en la Institucin Universitaria
CEIPA.

Los mtodos cuantitativos buscan encontrar la solucin ptima para un

determinado problema; constituyen un acercamiento cientfico a la solucin de
problemas complejos, en donde al utilizar un conjunto de instrumentos
matemticos modela, optimiza y controla sistemas de la empresa. Tienen una gran
importancia en los problemas de toma de decisiones y permiten elegir las
decisiones ms adecuadas para alcanzar un determinado objetivo, teniendo en
cuenta las relaciones externas no controlables por quien debe tomar la decisin.

Los modelos cuantitativos son una herramienta importante que aplica mtodos
cientficos y cuantitativos para ayudar a tomar decisiones ms eficaces y a
desarrollar sistemas ms efectivos. La aplicacin de los mtodos cuantitativos
como un enfoque racional formal en la toma de decisiones proporciona a quien las
toma, un conjunto de herramientas que lo capacitan para tomar decisiones de una
manera lgica, consistente y con tanta precisin como sea posible y lo ayudan a
mejorar su propio proceso intuitivo de toma de decisiones. Ahora, no puede
negarse la importancia de los aspectos cualitativos en la toma de decisiones; es
innegable que ambos se complementan a la hora de tomar una decisin acertada.

2
Los objetos de aprendizaje que se contemplan son:

1. Programacin lineal.

2. Modelo de transporte y sus variantes.

3. Modelos de lneas de espera.

Los objetivos de aprendizaje pueden resumirse como:

Utilizar los mtodos cuantitativos bsicos para apoyar los procesos de toma de
decisiones administrativas.
Disear sistemas ptimos de transporte, trasbordo y de asignacin, mejorando
la logstica de las operaciones empresariales.
Estudiar y modificar las medidas de rendimiento de los sistemas de lneas de
espera, permitiendo ofrecer un mejor servicio a los clientes, sin afectar el
rendimiento de la empresa.
Optimizar la administracin de los inventarios a travs de la seleccin del
modelo apropiado para cada uno de los productos clasificados como
prioritarios o para la situacin especifica de produccin y de demanda.

3
El desarrollo de los mtodos cuantitativos exige la realizacin de interminables
clculos; es por ello que es casi obvia la necesidad de un software porque de otra
manera se perdera su practicidad. En los anexos se encuentra una gua para la
utilizacin de dos de los programas ms empleados para dicho fin: QSB y Solver
de Excel.

4
 NDICE

Etapas de un anlisis cuantitativo 7

CAPTULO 1. PROGRAMACIN LINEAL 10

Planteamiento del modelo 10
Anlisis de sensibilidad 19
Cambios en los coeficientes de la funcin objetivo 20
Cambios en la disponibilidad de recursos 22
EJERCICIOS PROPUESTOS 24

CAPTULO 2. MODELO DE TRANSPORTE Y SUS VARIANTES 29

1. Modelo de transporte 29
Variaciones 33
2. Modelo de trasbordo 36
3. Modelo de asignacin 39
EJERCICIOS PROPUESTOS 45

CAPTULO 3. MODELOS DE LNEAS DE ESPERA 48

Estructura bsica de los modelos de colas 49
Caractersticas operativas 50
Parmetros importantes 51
Distribucin de llegadas 51
Distribucin de tiempos de servicio 53
Modelos de lneas de espera 56
1. Modelo de un solo canal con llegadas de Poisson y tiempos
56
de servicio exponenciales
2. Modelos con canales mltiples con llegadas de Poisson y tiempos
59
de servicio exponenciales
3. Modelo de lnea de espera de un solo canal con llegadas de Poisson
62
y tiempos de servicio que no se distribuyen exponencialmente
4. Modelo de canales mltiples con llegadas de Poisson, tiempos de
65
servicio arbitrarios y sin lneas de espera
5. Modelos de lnea de espera con poblaciones finitas de
67
demandantes
6. Otros modelos 70
Algunas relaciones generales para los modelos de lneas de espera 71
EJERCICIOS PROPUESTOS 71

5
Anexo 1: Solver de Excel 75
Anexo 2: QSB 78
Anexo 3: Respuestas a ejercicios propuestos 83

6
El anlisis cuantitativo es el uso de tcnicas cientficas para la toma de decisiones
administrativas slidas. Es muy importante, entonces, que los administradores
tengan un conocimiento claro de la aplicacin de los Mtodos Cuantitativos, pero
stos se deben mirar como un apoyo, no como una solucin completa y definitiva.

La finalidad de un anlisis cuantitativo consiste en optimizar matemticamente el

beneficio de las decisiones que se tomen.

En el contenido de estas notas se enfatizar, no tanto en los mtodos en s, sino

ms bien en la forma en que estos pueden contribuir a tomar mejores decisiones y
a optimizar su beneficio.

El anlisis de un problema incluye las siguientes etapas:

1. Definicin del problema: desarrollo de un planteamiento claro y conciso del

problema; la experiencia ha demostrado que una mala definicin de los
problemas es la razn principal del fracaso de un anlisis cuantitativo, pues
ste le dar significado y direccin a las siguientes fases.
Cuando el problema no se define correctamente, todo el trabajo posterior se
desarrolla sobre bases falsas, lo que conduce a una seudo solucin. En el
proceso se pierde tiempo, dinero, energa y recursos en general; en muchas
ocasiones, equivocarse en esta etapa ha conducido a la quiebra de empresas
y a situaciones sociales de gran impacto, sin mencionar la gran cantidad de
energa emocional que se pierde en el proceso.

7
2. Desarrollo de un modelo matemtico, que consiste en la representacin del
problema a resolver en un lenguaje matemtico, de tal manera que conduzca
al hallazgo de una solucin apropiada. El modelo planteado debe describir los
objetivos, las limitantes de recursos y otras relaciones que puedan existir; el
proceso de plantear y solucionar modelos es la esencia del proceso de anlisis
cuantitativo.
Experimentar con modelos requiere menos tiempo y es ms barato que
experimentar con las situaciones reales, reduciendo el riesgo. El valor de las
conclusiones y decisiones basadas en modelos dependen de lo bien que
represente el modelo la situacin real.

3. Adquisicin de datos de entrada: consiste en buscar los datos que se

utilizarn en el modelo. Es primordial que sean precisos.

4. Desarrollo y comprobacin de la solucin. Despus de desarrollar la

solucin, debemos analizar que esta sea compatible con todos y cada uno de
los aspectos de la empresa (tecnologa, factor humano, logstica, capacidad
instalada, entre otros).

5. Anlisis de resultados.

8
6. Implementacin: Si se realizan todos los pasos previos y no se implementan,
se pierde el tiempo y la recopilacin y anlisis de la informacin. Si como
administradores no se sabe enfocar toda la informacin al entorno, no se hace
nada.

En resumen, cada uno de los pasos para darle un enfoque a un problema

que requiere de un anlisis cuantitativo es muy crtico. Todos los puntos
son vitales, pues cada uno acta como soporte del siguiente.

9
 1
PROGRAMACIN LINEAL

La programacin lineal es una tcnica de modelado matemtico que ayuda a los

administradores en la planificacin y en la toma de decisiones de asignacin de
recursos, es decir, cmo utilizarlos con la mayor eficacia posible. El enfoque
bsico consiste en formular un modelo matemtico que represente el problema y
luego analizarlo.

El inters general consiste en optimizar algo (maximizarlo o minimizarlo).

Cualquier modelo de programacin lineal incluye variables de decisin,

restricciones y funcin objetivo.

Variables de decisin: lo que se quiere establecer.

Restricciones: ecuaciones o desigualdades que describen la limitacin de los

recursos disponibles o unas condiciones especficas que deban satisfacerse
(por ejemplo, si tiene que cumplirse un contrato).

10
 Funcin objetivo: lo que se quiere optimizar. Las situaciones que se
solucionan a travs de PL son aquellas que implican la maximizacin o la
minimizacin de una funcin objetivo, teniendo en cuenta que se maximiza lo
que sea conveniente para la empresa (como los ingresos y las utilidades) y se
minimiza lo que no sea conveniente (como los costos).

Se llama lineal porque tanto la funcin objetivo como las restricciones son
funciones matemticas lineales. Por ello, la funcin objetivo y las restricciones
deben expresarse como ecuaciones o desigualdades lineales (primer grado), o
sea, de la forma ax + by = c.

La forma ms simple de resolver un problema de programacin lineal es el mtodo

grfico; aunque ste slo es til cuando hay nicamente dos variables de decisin,
aporta una clara ilustracin sobre la manera en que estn estructurados los
problemas ms grandes.

Cada desigualdad del sistema de restricciones determina un semiplano. El

conjunto interseccin de todos esos semiplanos recibe el nombre de zona factible
y el vrtice donde se presenta lo mejor es la solucin ptima.

11
EJEMPLO 1
Grafica la desigualdad 2 x y 2

Solucin:
Primero se debe graficar la igualdad 2 x y = 2 y se obtiene:

Posteriormente debe comprobarse con un punto que no est sobre la recta si la

desigualdad se cumple o no. Por facilidad se probar con el punto (0,0):

2 x y 2 2(0) (0) 2 0 2

12
Como la desigualdad no es cierta, el punto (0,0) no est incluido en el conjunto
solucin, por lo que puede concluirse que la solucin est constituida por todos los
puntos ubicados a la izquierda de la recta (regin sombreada).

13
EJEMPLO 2
Cierta empresa produce dos tipos de juguetes: A y B. Los recursos estn limitados
a 1.200 libras de plstico especial y 40 horas de produccin semanalmente.

Por requerimientos de mercadeo y de capacidad de produccin, no deben

fabricarse ms de 800 docenas en la semana y el nmero de docenas de A no
puede exceder al nmero de docenas de B por ms de 450.

La produccin de una docena de A requiere 2 libras de plstico y 3 minutos de

produccin. La produccin de una docena de B requiere 1 libra de plstico y 4
minutos de produccin.

Se sabe, adems, que el producto que deja mayores ganancias es A ($8.000 por
docena); mientras que B deja una utilidad de $5.000 por docena.

La empresa desea maximizar la utilidad semanal. Qu cantidad de cada juguete

debe producir?

Solucin:

Variables de decisin:
x = Cantidad producida de A (en docenas por semana)
y = Cantidad producida de B (en docenas por semana)

Funcin objetivo y restricciones:

Maximizar 8000x + 5000y (utilidad semanal en pesos)

Sujeto a: 2 x + y 1200 (cantidad de plstico en libras) (1)

14
 3 x + 4 y 2400 (tiempo de produccin en minutos) (2)
x + y 800 (lmite de produccin total) (3)
x y 450 (produccin en exceso de A) (4)
x 0, y 0 (resultados positivos)

Lo primero que debe hacerse es graficar las restricciones (desigualdades) en un

mismo plano y encontrar la regin que satisface todas las desigualdades:

Se establece as la regin factible, que est conformada por todos los puntos del
interior del pentgono sombreado, incluyendo sus lmites (porque las restricciones
incluyen el igual).

15
Los posibles puntos ptimos corresponden a los puntos de corte de las rectas
entre s o a los cortes de stas con los ejes, si stos estn dentro de la regin
ptima.
El punto de corte de las lneas (1) y 2) puede encontrarse por igualacin de las
ecuaciones, as:

2400 3 x
(1) 2x + y = 1200 y = 1200 2x (2) 3x + 4y = 2400 y =
4

2400 3 x
(1) = (2): 1200 2x = 4800 8x = 2400 3x x = 480
4

Por lo tanto: y = 1200 2(480) y = 240

El punto de corte entre las rectas 1) y 4) tambin est en la solucin ptima.

Trabajando de igual forma, se encuentra que el punto de corte es (550,100).

Igualmente, podran ser solucin ptima los puntos (0,600) y (450,0), que
representan los cortes de la regin factible con los ejes.

Si se evala la utilidad en esos puntos, se obtiene lo siguiente:

U = 8(480) + 5(240) = $5.040 U = 8(550) + 5(100) = $4.900

U = 8(0) + 5(600) = $3.000 U = 8(450) + 5(0) = $3.600

16
Puede deducirse, entonces, que la mayor utilidad se logra si se fabrican 480
docenas del juguete A y 240 docenas del juguete B. En este caso, la utilidad que
se consigue es $5.040.000 por semana y se satisfacen todas las restricciones:
Utiliza todo el plstico y las horas de produccin; la produccin total es de 720
docenas (menor o igual a 800 docenas) y la produccin de A excede a la de B en
240 docenas (menor o igual a 450 docenas).

EJEMPLO 3
Cierta empresa fabrica dos artculos que se venden como materias primas a
compaas que fabrican jabones para bao y detergente para ropa. Basado en un
anlisis de los niveles de inventarios actuales y la demanda potencial para el mes
siguiente, la gerencia de la empresa ha especificado que la produccin combinada
de los productos A y B debe ser en total al menos de 350 litros. Adems, debe
satisfacerse un pedido de un cliente importante de 125 litros del producto A. Cada
litro del producto A requiere dos horas de procesamiento, mientras el producto B
necesita una hora de procesamiento por litro; para el siguiente mes se dispone de
600 horas de tiempo de procesamiento. El objetivo es satisfacer estos
requerimientos con un costo total de produccin mnimo. Los costos de produccin
son $2.000 por litro para el producto A y $3.000 por litro para el producto B.

17
Solucin:

Variables de decisin:
A = Cantidad producida de A (en litros)
B = Cantidad producida de B (en litros)

Funcin objetivo y restricciones:

Minimizar 2A + 3B (costo total)

Sujeto a:

A + B 350 (la produccin combinada debe ser al menos de 350 litros)

A 125 (para satisfacer la demanda del cliente)

2 A + B 600 (limitacin de tiempo de procesamiento)

18
(Ejercicio planteado y solucionado en el siguiente texto: Anderson, Mtodos
cuantitativos para los negocios, editorial Thomson, 2004, pg. 247)

Los problemas anteriores se resolvieron mediante el mtodo grfico. ste tiene la

gran limitante de poder utilizarse nicamente si se tienen dos variables de
decisin. Si el modelo incluye ms de dos variables de decisin (o inclusive en
este caso) se recomienda utilizar un software; en los anexos se muestra la forma
de hacerlo con dos programas diferentes.

ANLISIS DE SENSIBILIDAD
Un modelo de programacin lineal, como tal, es muy esttico porque los
coeficientes de las restricciones y la funcin objetivo asumen valores fijos. Para
agregar una dimensin dinmica y aumentar la aplicabilidad en la prctica se
utiliza el anlisis de sensibilidad, que estudia qu tanto se ve afectada la solucin
ptima segn los cambios que se hagan en el modelo.

1. Cambios en los coeficientes de la funcin objetivo.

2. Cambios en la disponibilidad de recursos.
Es importante considerar que los problemas reales ocurren en un ambiente
cambiante, ya que se alteran los precios de las materias primas, la demanda del
producto, las capacidades de produccin, etc. El anlisis de sensibilidad responde
a esos cambios sin requerir una solucin completa del problema.

19
1. Cambios en los coeficientes de la funcin objetivo
Si las restricciones no varan, pero cambia la funcin objetivo (por ejemplo, que
cambie la contribucin a la utilidad de cierto producto) se modifica la pendiente
de la lnea de utilidad; por lo tanto, puede suceder que el punto ptimo siga
siendo el mismo, pero tambin puede ocurrir que sea diferente; como las
restricciones no se alteran, la regin factible sigue siendo la misma.

La pregunta es, cunto puede cambiarse los coeficientes de la funcin

objetivo antes de que otro punto se vuelva ptimo? Esto es posible responderlo
sin necesidad de reformular y resolver nuevamente el problema gracias al
anlisis de sensibilidad, ya que los programas dicen cul es el aumento y la
disminucin permisibles sin que se altere la solucin ptima (eso se llama
rango de optimalidad). Hay que considerar que esto es cierto si se considera
que todos los dems aspectos del problema original permanecen sin cambio
(slo cambia uno de los coeficientes de la funcin objetivo).

EJEMPLO 4
Encuentre el rango de optimalidad para los productos del ejemplo 2

Solucin:

Valor Coeficiente Aumento Disminucin

Nombre
Igual objetivo permisible permisible
A 480 8000 Sin lmite 4250
B 240 5000 5666,67 13000

(en el anexo 1 se aclara la obtencin de esta tabla)

20
La tabla anterior indica que A puede disminuir en $4.250/docena su aporte a la
utilidad total (podra rebajar hasta $3.750) o puede aumentar indefinidamente sin
que se altere la solucin ptima, mientras todos los dems aspectos del problema
original permanezcan inalterados. La ganancia por docena de B puede disminuir
hasta 0 o aumentar hasta $10.666,67 y la solucin ptima sigue siendo la misma.

Si el inters recae en lo que sucedera si dos o ms coeficientes de la funcin

objetivo cambian simultneamente debe aplicarse la regla de 100%. Dicha regla
dice que la solucin ptima no vara si la suma de los porcentajes de cambio en
relacin al aumento o disminucin permisible (segn lo que ocurra) no es mayor
de 100%.

EJEMPLO 5
Qu pasa con la solucin ptima en el ejercicio 2 si ahora el producto A deja una
ganancia de $6.800 por docena y el producto B de $5.500 por docena?

Solucin:

Debe recordarse que los aportes originales a la utilidad eran $8.000 para A y
$5.000 para B, lo que implica que A rebaj en $1.200 su aporte y B lo aument en
$500.

21
1200/4250 = 28,2% ($4.250 es la disminucin permisible)

500/5666,67 = 8,8% ($5.666,67 es el aumento permisible)

Como dichos porcentajes no suman ms del 100% puede concluirse que la

solucin ptima sigue siendo la misma inicial.

Es muy importante aclarar que la regla no afirma nada si el aumento es superior a

100% (la solucin ptima podra cambiar, pero no necesariamente); en dicho caso,
habra que resolver nuevamente el problema.

2. Cambios en la disponibilidad de recursos

Como cambian las restricciones, la regin factible es diferente. Los cambios
en la solucin ptima estn definidos por los precios sombra.

El precio sombra (tambin llamado precio dual) es el mejoramiento en la

solucin ptima por unidad de incremento en el lado derecho de una
restriccin.

22
EJEMPLO 6
Interprete los precios sombra en el ejercicio 2

Solucin:

Valor Precio Restriccin Aumento Disminucin

Nombre Igual sombra lado derecho permisible permisible
Plstico 1200 3400 1200 150 600
Tiempo 2400 400 2400 400 350
Nivel de produccin 720 0 800 1E+30 80
Exceso de A 240 0 450 1E+30 210

Por ejemplo, si se aumenta la disponibilidad del plstico en una libra, la utilidad

total aumentar en $3.400 (precio sombra del plstico); si la disminuimos en una
libra, la utilidad disminuir en $3.400. Un administrador debe evaluar si el cambio
se justifica o no.

El precio sombra slo es aplicable para cierto rango; dicho rango est dado por:
restriccin disminucin permisible y restriccin + aumento permisible. En este
caso, el precio sombra se cumple si el plstico disponible est entre 600 y 1.350
libras de plstico (1.200 600 y 1.200 + 150).
Del mismo modo, puede concluirse que, si se aumenta el tiempo disponible en un
minuto, la utilidad total aumentar en $400 (precio sombra del tiempo). Dicho
precio sombra se cumple si el tiempo disponible est entre 2.050 y 2.800 minutos.

23
El anlisis de sensibilidad se basa en la suposicin de que slo cambia una de las
restricciones. Si se alteran varias, debe aplicarse la regla de 100%.

EJEMPLO 7
Qu pasa con los precios sombra si la empresa decide comprar 50 libras de
plstico adicionales y aumenta el tiempo disponible en 120 minutos?

Solucin:

50/150 = 33,3% (aumento de plstico / aumento permisible de este material)

120/400 = 30% (aumento del tiempo / aumento permisible)

Como la suma de esos dos porcentajes es inferior a 100%, los precios sombra no
cambiarn. Debe recordarse que si dicha suma es superior a 100% no puede
concluirse que los precios sombra cambien.

EJERCICIOS PROPUESTOS

1. Una persona dispone de 10 millones de pesos como mximo para repartir entre
dos tipos de inversin (A y B). En la opcin A desea invertir entre 2 y 7
millones. Adems, quiere destinar a esa opcin, como mnimo, tanta cantidad
de dinero como a la B.
Plantear el problema y representar grficamente el conjunto de soluciones.
Qu cantidades debe invertir en cada una de las dos opciones para optimizar
el rendimiento global si se sabe que el rendimiento de la inversin ser del 9 %
en la opcin A y del 12 % en la B, Qu cantidad debe invertir en cada una
para optimizar el rendimiento global? A cunto ascender el rendimiento
ptimo?

24
2. Un estudiante dedica parte de su tiempo al reparto de propaganda publicitaria.
La empresa A le paga 50 pesos por cada impreso repartido y la empresa B,
con folletos ms grandes, le paga 70 pesos por impreso.
El estudiante lleva dos bolsas: una para los impresos A, en la que caben 120 y
otra para los impresos B, en la que caben 100. Ha calculado que cada da es
capaz de repartir 150 impresos como mximo.
Cuntos impresos habr que repartir de cada clase para que el beneficio
diario sea mximo?

3. Una empresa fabrica pinturas para interiores y exteriores. La tabla siguiente

proporciona los datos bsicos del problema:

Ton de materia prima de

Disponibilidad
Pintura para Pintura para
diaria mxima
exteriores interiores
(Ton)
Materia prima 1 6 4 24
Materia prima 2 1 2 6
Utilidad por Ton
5 4
(millones de pesos)

Una investigacin de mercado indica que la demanda mxima diaria de pintura

para interiores es de 2 toneladas.
Cul es la mezcla ptima de productos para exteriores y para interiores que
maximice la utilidad diaria total? Cul es la utilidad mxima que puede lograr
en un da?

4. Cierta empresa est desarrollando un nuevo aditivo para combustibles de

avin que consiste en una mezcla de tres ingredientes: A, B y C. Para un
rendimiento apropiado, la cantidad total de aditivo (cantidad de A + cantidad de
B + cantidad de C) debe ser al menos 10 onzas por galn de combustible; sin
embargo, debido a razones de seguridad, la cantidad de aditivo no debe
exceder de 15 onzas por galn de combustible.

25
 La combinacin de los tres ingredientes es crtica: la cantidad de A debe ser
como mnimo igual a la de B y la cantidad de C debe ser mayor o igual que la
mitad de la cantidad del ingrediente A.
Si los costos por onza para los ingredientes A, B y C son $200, $60 y $180,
respectivamente, encuentre la mezcla de costo mnimo para cada galn de
combustible para avin.

5. Cierta empresa fabrica tres acondicionadores de aire domsticos: un modelo

econmico, uno estndar y otro de lujo. Las ganancias por unidad son 63.000,
50.000 y 125.000 pesos, respectivamente. Los requerimientos de produccin
por unidad son los siguientes:

Nmero de Nmero de Tiempo de

motores de bobinas de manufactura
ventilador enfriamiento (horas)
Econmico 1 1 8
Estndar 1 2 14
De lujo 1 4 14

Para el prximo perodo de produccin, la compaa tiene 200 motores de

ventilador, 320 bobinas de enfriamiento y 2400 horas de tiempo de
manufactura disponibles.

Se desarroll el problema con la ayuda de un software y el informe de

sensibilidad es:

Valor Coeficiente Aumento Decremento

Nombre
Igual objetivo permisible permisible
Econmico 160 63000 62000 31750
Estndar 0 50000 33667
De lujo 40 125000 127000 62000

26
 Valor Precio Restriccin Aumento Decremento
Nombre
Igual sombra lado derecho permisible permisible
Motores 200 42333 200 93, 3 120
Bobinas 320 20667 320 280 120
Tiempo (h) 1840 0 2400 560

Con base en la informacin responda las siguientes preguntas:

a) Plantee el modelo de programacin lineal

b) Cuntos modelos de cada tipo deben fabricarse para maximizar la
utilidad? Cul es esa utilidad mxima posible?
c) Cules son los precios sombra? Qu indica cada valor?
d) Por qu cree que para maximizar la utilidad se deban fabricar tantos
modelos econmicos si no es el que ms utilidad deja? Por qu cree que
no se deben fabricar modelos estndar?
e) La solucin ptima cambiara si la ganancia por unidad del modelo
econmico disminuye a $55.000? Por qu?

6. Una empresa fabrica 2 tipos de mesas:

Una mesa sencilla que necesita 10 kilos de madera, medio galn de pintura
y una hora de mano de obra.
Una mesa ms lujosa que requiere 15 kilos de madera, 0.75 galones de
pintura y 2 horas de mano de obra.

Una mesa sencilla deja una utilidad de $27500 y una mesa lujosa deja una
utilidad de $32750. Para cada semana tienen disponibles 4800 kilos de
madera, 220 galones de pintura y 816 horas de mano de obra (17 trabajadores,
cada uno de los cuales labora 48 horas a la semana)

Cunto se debe producir de cada una cada semana para maximizar la

utilidad?

27
7. X es una empresa que fabrica puertas y pasamanos.

Cada puerta utiliza 1 lmina de 20 kilogramos, 1 cerradura, 5 metros

cuadrados de pintura, 12 pernos y 15 minutos de mano de obra.

Cada pasamanos requiere 4 metros de tubo, 8 pernos, 1 metro cuadrado de

pintura y 20 minutos de mano de obra.

Una puerta deja una utilidad de $43500 y un pasamanos deja una utilidad de
$22500.

Mensualmente dispone de: 212 horas de mano de obra, 40000 kilogramos de

lmina, 2000 cerraduras, 13300 metros cuadrados de pintura, 10000 metros
lineales de tubo y 32000 pernos.

Deben entregar mensualmente 600 puertas a un distribuidor grande.

Cuntas puertas y pasamanos debe producir al mes para maximizar la

utilidad? Haga un anlisis de sensibilidad.

28
 2
MODELO DE TRANSPORTE Y SUS VARIANTES

Ya vimos cmo optimizar la produccin. En este objeto de aprendizaje

estudiaremos cmo distribuir de la manera ms eficiente y eficaz para la empresa
eso que ya se produjo.

Este tipo de problemas constituyen un tipo especfico de problemas de

programacin lineal llamados problemas de flujo de red porque se representan
grficamente mediante una red.

Se estudiarn los modelos de transporte, trasbordo y asignacin.

1. MODELO DE TRANSPORTE: El problema consiste, especficamente, en

distribuir mercancas desde varios puntos de origen (fuentes) a varios puntos
de llegada, teniendo en cuenta que la cantidad de productos disponible en los
puntos de origen es limitada y que se debe satisfacer una demanda requerida
en los puntos de llegada.

Como se trata de una aplicacin de los modelos de programacin lineal, debe

plantearse un modelo con variables de decisin, restricciones y funcin
objetivo.

29
Las variables se denotan como xij , donde i es el punto de origen, j es el punto
de llegada y x es la cantidad de unidades embarcadas de un origen especfico
a un punto de llegada especfico. Lo que debe buscarse, entonces, es la
cantidad de productos que deben transportarse a travs de cada ruta para
satisfacer todos los requerimientos.

Un conjunto de restricciones est determinado por la capacidad de produccin

de cada fuente. Estas restricciones se plantean como una desigualdad con
porque se puede dejar alguna mercanca en el punto de produccin, pero no se
podra transportar ms de lo que se produce.
Otro conjunto de restricciones est determinado por las demandas de los
puntos de llegada, pues se debe garantizar la satisfaccin de dichas demandas
en cada uno de ellos. Estas restricciones se plantean mediante ecuaciones
(con =), pues para optimizar la funcin objetivo se debe transportar
exactamente lo que se necesita en esos puntos de destino.

Generalmente la funcin objetivo consiste en minimizar los costos de

transporte. Segn los objetivos de la empresa, esa funcin podra cambiar; por
ejemplo, si se trata, de una empresa cuya funcin principal es el transporte, el
objetivo podra ser la maximizacin de la utilidad.
Lo anterior implica que antes de plantear el modelo, se deben determinar las
contribuciones de cada posible ruta a la funcin objetivo. Por ejemplo, si el
objetivo es minimizar costo, debe conocerse el costo de transportar una unidad
a travs de cada ruta.

30
 Los puntos de origen y destino se denominan nodos y las lneas que los
conectan (posibles rutas) se denominan arcos.

EJEMPLO 1
Una empresa dedicada a la fabricacin de componentes de ordenador tiene dos
fbricas (una en Medelln y otra en Armenia) que producen, respectivamente, 800
y 1500 piezas mensuales. Estas piezas deben ser transportadas a Bogot,
Caracas y Quito, que necesitan 1000, 700 y 600 piezas, respectivamente. Los
costos de transporte por pieza, en pesos, son los que aparecen en la tabla
adjunta. Cmo debe organizarse el transporte para que el costo sea mnimo?

Bogot Caracas Quito

Medelln 3000 9000 10000
Armenia 2000 7000 8500

Solucin:

31
Modelo:
x13 = cantidad de piezas transportadas entre Medelln y Bogot.
x14 = cantidad de piezas transportadas entre Medelln y Caracas.
x15 = cantidad de piezas transportadas entre Medelln y Quito.
x23 = cantidad de piezas transportadas entre Armenia y Bogot.
x24 = cantidad de piezas transportadas entre Armenia y Caracas.
x25 = cantidad de piezas transportadas entre Armenia y Quito.

Restricciones: x13 + x14 + x15 800 (suministro de Medelln)

x 23 + x 24 + x 25 1500 (suministro de Armenia)

x13 + x 23 = 1000 (demanda de Bogot)

x14 + x 24 = 700 (demanda de Caracas)

x15 + x 25 = 600 (demanda de Quito)

Objetivo: Min 3000 x13 + 9000 x14 + 10000 x15 + 2000 x23 + 7000 x24 + 8500 x25

Solucionando el modelo en un programa se obtiene:

Costo 12800000
Medelln-Bogot 800
Armenia-Bogot 200
Armenia-Caracas 700
Armenia-Quito 600
Suministro de M 800
Suministro de A 1500
Demanda de B 1000
Demanda de C 700
Demanda de Q 600

32
Lo anterior indica que, para minimizar costos de transporte, deben transportarse
800 piezas de Medelln a Bogot, 200 piezas de Armenia a Bogot, 700 piezas de
Armenia a Caracas y 600 piezas de Armenia a Quito. Las rutas Medelln-Caracas
y Medelln-Quito no deberan utilizarse, es decir, todo lo que se produce en
Medelln debera llevarse a Bogot. Con esa solucin ptima, el costo de
transporte es $12.800.000.

Variaciones:

a) Suministro total diferente a la demanda total: Si el suministro es mayor a la

demanda, simplemente hay bienes que no se transportan, sino que se
dejan en el lugar de origen.
Pero si la demanda es mayor que el suministro, habra una demanda
insatisfecha; por lo tanto, no se podra satisfacer lo deseado; en este caso,
hay que buscar desde un punto de vista administrativo qu hacer para
poder satisfacer esa demanda. Para encontrar una solucin ptima, puede
aadirse un origen ficticio.

b) Maximizacin de la funcin objetivo: En algunos casos de transporte, el

objetivo no es minimizar costos sino maximizar ingresos o utilidades; esto
se da principalmente en empresas cuya finalidad sea el transporte de
bienes. Las restricciones no se alteran; el nico cambio es que se maximiza
la funcin objetivo (no se minimiza como es usual).

33
 c) Mnimos o mximos de ruta: Se establecen esos mnimos o mximos como
otras restricciones. Por ejemplo, considerando el caso que se viene
evaluando, si por alguna causa no se pueden transportan ms de 200
piezas entre Armenia y Quito, se agrega una nueva restriccin que indique
que x 25 200 .

d) Rutas inaceptables: Se elimina la variable correspondiente.

EJEMPLO 2
En el ejemplo anterior considere que entre Armenia y Quito no se pueden
transportar ms de 200 piezas mensualmente porque la carretera est muy mala y
de Medelln no se debe transportar nada a Caracas.

Solucin:

Modelo:
x13 = cantidad de piezas transportadas entre Medelln y Bogot.
x15 = cantidad de piezas transportadas entre Medelln y Quito.
x23 = cantidad de piezas transportadas entre Armenia y Bogot.
x24 = cantidad de piezas transportadas entre Armenia y Caracas.
x25 = cantidad de piezas transportadas entre Armenia y Quito.

34
Restricciones: x13 + x15 800 (suministro de Medelln)

x 23 + x 24 + x 25 1500 (suministro de Armenia)

x13 + x 23 = 1000 (demanda de Bogot)

x 24 = 700 (demanda de Caracas)

x15 + x 25 = 600 (demanda de Quito)

x 25 200 (mximo de la ruta Armenia-Quito)

Objetivo: Min 3000 x13 + 10000 x15 + 2000 x23 + 7000 x24 + 8500 x25

Solucionando el modelo en el programa se obtiene:

Costo 13100000
Medelln-Bogot 200
Medelln-Quito 600
Armenia-Bogot 800
Armenia-Caracas 700
Suministro de M 800
Suministro de A 1500
Demanda de B 1000
Demanda de C 700
Demanda de Q 600
Mximo A-Q 0

Lo anterior indica que, para minimizar costos de transporte con las condiciones
impuestas y cumplir con todos los requerimientos, deben transportarse 200 piezas
de Medelln a Bogot, 600 piezas de Medelln a Quito, 800 de Armenia a Bogot y
700 piezas de Armenia a Caracas. Con esa solucin ptima, el costo de transporte
es $13.100.000.

35
2. MODELO DE TRASBORDO: Es un caso especfico del modelo de transporte
en el que existen nodos de trasbordo, es decir, puntos intermedios que
funcionan como lnea de enlace entre los puntos de origen y los puntos de
llegada. Para solucionar el modelo, debe considerarse que los nodos de
trasbordo son slo sitios transitorios (todo lo que entra debe volver a salir).

EJEMPLO 3
Considere la misma empresa del ejemplo 1. sta debe exportar su produccin a
Miami, Madrid y Santiago; en Miami se requieren 1200 piezas/mes, mientras que
en los otros destinos necesitan 550 piezas/mes cada uno. Se utilizan centros de
embarque en Bogot y Barranquilla. Recuerde que la empresa tiene dos fbricas
(una en Medelln y otra en Armenia) que producen, respectivamente, 800 y 1500
piezas mensuales.

Los siguientes son los costos unitarios entre cada nodo de origen y cada nodo de
trasbordo:

Bogot Barranquilla
Medelln 3000 2300
Armenia 4200 4800

36
Y los siguientes son los costos unitarios entre cada nodo de trasbordo y cada nodo
de llegada:

Miami Madrid Santiago

Bogot 40000 52000 22500
Barranquilla 28250 39000 27500

Cmo debe organizarse el transporte para que el costo sea mnimo?

Solucin:

Restricciones: x13 + x14 800 (suministro de Medelln)

x 23 + x 24 1500 (suministro de Armenia)

x13 + x 23 = x35 + x36 + x37 x13 + x 23 x35 x36 x37 = 0 (Bogot)

x14 + x 24 = x 45 + x 46 + x 47 x14 + x 24 x 45 x 46 x 47 = 0 (B/quilla)

x35 + x 45 = 1200 (demanda de Miami)

x36 + x 46 = 550 (demanda de Madrid)

x37 + x 47 = 550 (demanda de Santiago)

37
Funcin objetivo: Min 3000x13 + 2300x14 +4200x23 + 4800x24 + 40000x35 +
52000x36 + 22500x37 + 28250x45 +39000x46 + 27500x47

Solucionando el modelo se obtiene:

Costo 76435000
Medelln-Barranquilla 800
Armenia-Bogot 550
Armenia-Barranquilla 950
Bogot-Santiago 550
Barranquilla-Miami 1200
Barranquilla-Madrid 550
Suministro Medelln 800
Suministro Armenia 1500
Enlace Bogot 0
Enlace Barranquilla 0
Demanda Miami 1200
Demanda Madrid 550
Demanda Santiago 550

Lo anterior indica que, para obtener un mnimo costo en el transporte, todo lo que
sale de Medelln se debera llevar a Barranquilla, todo lo que sale de Bogot se
debera llevar a Santiago y lo que sale de Barranquilla, a Miami y Madrid.

38
3. MODELO DE ASIGNACIN: Pretende asignar agentes a tareas, personal de
ventas a clientes especficos, contratos a licitadores, etc. El modelo de
asignacin, como tal, asigna a cada cliente una sola tarea, aunque se pueden
implementar variantes. Se busca un conjunto de asignaciones que optimicen
un objetivo planteado (minimizar costo, minimizar tiempo, maximizar
ganancia...)

La cantidad embarcada es 0 (no es asignado) 1 (es asignado). El suministro

en cada nodo de origen debe ser menor o igual a uno (o igual o menor o igual
a los que deba atender) y la demanda en cada nodo de destino debe ser igual
a uno (para garantizar que todos los requerimientos sean atendidos).

No podemos desconocer que el modelo es una herramienta til para la toma

de decisiones que funciona a la perfeccin en el caso de mquinas, pero debe
tenerse en cuenta que un administrador debe direccionar el recurso humano y
cuando se trata de personas no puede guiarse nicamente por lo cuantitativo.

Definitivamente las actitudes y aptitudes de las personas deben influir al

momento de asignar una tarea; no podramos considerar que lo nicamente
importante sea minimizar unos costos o maximizar una ganancia.

39
EJEMPLO 4
XXX es un despacho de contadores que tiene tres nuevos clientes a quienes se
asignarn lderes de proyecto. Con base en los diferentes antecedentes y
experiencia de los lderes, las diversas asignaciones lder-cliente difieren desde el
punto de vista de los tiempos proyectados para completar los trabajos; las
asignaciones posibles y los tiempos estimados (en das), para terminar cada
proyecto son los siguientes:

CLIENTE
LDER DE PROY. 1 2 3
Javier 10 16 32
David 14 22 40
Nicols 22 24 34

a) Elabore una representacin de red de este problema.

b) Cul es el tiempo total requerido y a cual lder se le debe asignar cada cliente
si el objetivo es minimizar el tiempo?

(Ejercicio planteado en Anderson, Mtodos cuantitativos para los negocios,

editorial Thomson, 2004, pg. 448)

40
Solucin:

Sean: X11 = Javier es asignado al proyecto 1

x33 = Nicols es asignado al proyecto 3

Objetivo: Min 10 x11 + 16 x12 + 32 x13 + 14 x 21 + 22 x 22 + 40 x 23 + 22 x31 + 24 x32 + 34 x33

Sujeto a: x11 + x12 + x13 = 1 (tambin podra ser con 1)

x 21 + x 2 2 + x 23 = 1 (tambin podra ser con 1)

x31 + x32 + x33 = 1 (tambin podra ser con 1)

x11 + x 21 + x31 = 1

x12 + x 22 + x32 = 1

x13 + x 23 + x33 = 1

41
El resultado que arroja el programa es:
Tiempo 64
x11 0
x12 1
x13 0
x21 1
x22 0
x23 0
x31 0
x32 0
x33 1

Eso quiere decir que se logra optimizar el tiempo total si el cliente 2 se asigna a
Javier, el cliente 1 a David y el cliente 3 a Nicols. Si se aplica esto, el tiempo
necesario para completar el trabajo es 64 das (no quiere decir que se demore 2
meses el proyecto, sino que ese es el total de das a pagar).

Puede darse el caso en que un agente deba asignarse a dos o ms tareas

(asignaciones mltiples). Lo nico que cambia en el modelo son las restricciones
de los nodos de origen.

42
EJEMPLO 5
La empresa X tiene 3 vendedores que deben ser asignados a 6 clientes con el
objetivo de minimizar los costos de atencin. Los costos estimados (en miles de
pesos) para cada vendedor son:

CLIENTE
1 2 3 4 5 6
1 30 18 22 15 10 12
VEND.

2 7 10 11 9 6 12
3 10 12 15 11 10 10

Cules clientes se deben asignar a cada vendedor si:

a) se deben asignar dos clientes a cada uno?

b) no hay ninguna restriccin?

Solucin:

Sean: X11 = el vendedor 1 es asignado al cliente 1

x33 = el vendedor 3 es asignado al cliente 3

a) Objetivo:
30 x11 + 18 x12 + 22 x13 + 15 x14 + 10 x15 + 12 x16 + 7 x 21 + 10 x 22 + 11x 23 + 9 x 24 + 6 x 25 +

12 x 26 + 10 x31 + 12 x32 + 15 x33 + 11x34 + 10 x35 + 10 x36 (minimizar dicha funcin)

43
Sujeto a: x11 + x12 + x13 + x14 + x15 + x16 = 2

x 21 + x 2 2 + x 23 + x 24 + x 25 + x 26 = 2

x31 + x32 + x33 + x34 + x35 + x36 = 2

x11 + x 21 + x31 = 1

x12 + x 22 + x32 = 1

x13 + x 23 + x33 = 1

x14 + x 24 + x34 = 1

x15 + x 25 + x35 = 1

x16 + x 26 + x36 = 1

Solucionando el modelo se obtiene que al vendedor 1 deben asignrsele los

clientes 5 y 6; al vendedor 2, los clientes 1 y 3; y al vendedor 3, los clientes 2 y 4.

b) Lo nico que cambia es que las restricciones de los vendedores ya no se hacen

iguales a 2, sino menores o iguales a 6 (nmero de clientes).
En este caso, la solucin dice que al vendedor 2 se le deben asignar los
clientes 1, 2, 3, 4 y 5, y al vendedor 3 se le debe asignar el cliente 6.

44
EJERCICIOS PROPUESTOS

1. Una empresa colombiana exportadora de flores tiene un cultivo en Rionegro y

otro en la sabana de Bogot. Hay 2 ciudades de Norteamrica y una ciudad
europea que sirven como centros de distribucin. De esas 3 ciudades se
distribuye a 4 minoristas; de ah en adelante, la empresa ya no se preocupa de
la cadena.

El cultivo de Rionegro tiene capacidad de produccin de 50 toneladas de flores

semanalmente, mientras que el de Bogot produce 30 toneladas de flores en el
mismo perodo.

Para cierta celebracin especfica, los centros minoristas presentaron las

siguientes demandas:

M1: 15 Ton M2: 40 Ton M3: 15 Ton M4: 10 Ton

Los costos de transporte (en euros) estn dados en las siguientes tablas:

De / A NA1 NA2 E1
Rionegro 4 6 10
Bogot 5 3 12

De / A M1 M2 M3 M4
NA1 3 1 12 14
NA2 2 2 11 10
E1 15 10 2 4

La Empresa desea disear un programa de transporte para ese da que

minimice los costos de envo, sabiendo que las flores que se exportan no
pueden estar ms de una semana en almacenamiento.
Plantee el modelo apropiado y encuentre una solucin ptima que minimice los
costos de transporte.

45
2. Una empresa fabrica puertas en sus plantas de produccin de Medelln y
Bogot; debe llevarlas a Cartagena, Cali y Bucaramanga. La capacidad de
produccin mensual de la planta de Medelln es de 8.000 unidades y de la de
Bogot es de 3.500 unidades; las demandas requeridas en Cartagena, Cali y
Bucaramanga son, respectivamente: 3.000, 2.500 y 5.200 unidades.
Los costos de transporte por unidad (en pesos) de cada origen a cada destino
son:

Destino
Origen Cartagena Cali Bucaramanga
Medelln 3200 3750 2000
Bogot 5600 2900 2350

Si se quiere minimizar el costo total, cuntas unidades se deben transportar a

travs de cada ruta?

3. Tres clientes de una empresa de investigacin de mercados solicitaron que la

firma realice una investigacin muestral. Hay cuatro especialistas en
estadstica disponibles para estos proyectos; sin embargo, los cuatro estn
ocupados y, por tanto, cada uno slo puede manejar un cliente. Los siguientes
datos muestran la cantidad de horas requeridas por cada especialista para
completar cada trabajo; las diferencias en tiempo se basan en la experiencia y
la capacidad de los especialistas.

Cliente
Especialista A B C
1 150 210 270
2 170 230 220
3 180 230 225
4 160 240 230

Si se pretende minimizar el tiempo total, cul especialista se debe asignar a

cada cliente?

46
4. El sistema de distribucin de cierta compaa consiste en tres plantas de
produccin, dos almacenes y cuatro clientes.
Las capacidades de las plantas y los costos de embarque por unidad (en
pesos) de cada planta a cada almacn son los siguientes:

Almacn
Planta 1 2 Capacidad
1 8000 14000 450
2 16000 10000 600
3 10000 12000 380
La demanda de los clientes y los costos de embarque por unidad (en pesos)
de cada almacn hasta cada cliente son:

Cliente
Almacn 1 2 3 4
1 12000 8000 16000 8000
2 6000 12000 14000 14000
Demanda 300 300 300 400

Determine el plan de embarque ptimo.

5. Una empresa de reparaciones acaba de recibir tres proyectos de reparacin

urgentes: Un radio, un tostador y una mesa de caf rota. Tres personas, cada
una con diferentes talentos y habilidades, estn disponibles para realizar los
trabajos; el propietario de la empresa estima cunto costar en salarios asignar
cada uno de los trabajadores a cada proyecto. Los costos se muestran en la
siguiente tabla y difieren segn la habilidad y velocidad de cada trabajador.

Proyecto
Trabajador 1 2 3
Horacio 22000 26000 12000
Ernesto 16000 20000 22000
Carlos 18000 24000 14000

El objetivo del propietario es asignar un proyecto a cada trabajador de tal

manera que produzca el costo total ms bajo para el taller. Qu es ms
conveniente?

47
 3
MODELOS DE LNEAS DE ESPERA

Cuando la necesidad y demanda de un servicio es superior a la oferta y capacidad

de prestacin se forman colas o lneas de espera, que es un problema comn en
la vida diaria. La necesidad de analizar y comprender este problema dio origen a
la Teora de lneas de espera, que es un conjunto de modelos matemticos que
describen sistemas de lneas de espera particulares.
Se estudiarn algunos modelos comunes, aunque en la realidad se pueden dar
algunas variaciones a lo evaluado.

Generalmente el administrador se encuentra en un dilema:

1. Asumir los costos derivados de prestar un buen servicio.

2. Asumir los costos derivados de tener largas colas, teniendo en cuenta que a la
mayora de personas les molesta mucho tener que esperar en una fila para ser
atendidos y que largas colas pueden ocasionar diferentes situaciones como la
prdida de clientes.

Se debe lograr un balance econmico entre el costo del servicio y

el costo asociado a la espera por ese servicio.

48
La teora de colas, en s, no resuelve este problema; slo proporciona informacin
valiosa para la toma de decisiones. El objetivo es mantener los tiempos de espera
dentro de lmites tolerables.

ESTRUCTURA BSICA DE LOS MODELOS DE COLAS

Los clientes que solicitan el servicio forman una fuente de entrada, entran al
sistema y se unen a una cola de espera mientras esperan ser atendidos, luego
reciben el servicio (a travs de uno o varios canales) y finalmente salen del
sistema.

MODELO DE COLAS CON UN SERVIDOR

49
 MODELO DE COLAS CON VARIOS SERVIDORES

CARACTERSTICAS OPERATIVAS
1. Tiempo promedio que pasa una unidad en la lnea de espera. Obviamente, se
espera que no sea muy alto porque ese tiempo es incmodo e inoportuno; pero
si es muy bajo, puede indicar desperdicio de recursos.
2. Tiempo promedio que pasa una unidad en el sistema. Si no se cumple una
meta de servicio debe pensarse en abrir nuevos canales o definir estrategias
para aumentar la tasa de servicio por cada canal.
3. Cantidad promedio de unidades en la lnea de espera.
4. Cantidad promedio de unidades en el sistema.
5. Probabilidad de que una unidad que llega tenga que esperar por el servicio.

50
6. Probabilidad de que no haya unidades en el sistema. Si es muy alta muestra
que en muchos instantes el sistema estar vaco (si se est utilizando ms de
un canal, se podra pensar en disminuirlos) y si es muy baja indica que hay
mucha aglomeracin (si hay algn grado de aleatoriedad en el sistema como
normalmente ocurre- se correra un alto riesgo).

Estas medidas de desempeo pueden utilizarse para seleccionar el nivel de

servicio que producir un equilibrio razonable entre las dos situaciones en
conflicto.

PARMETROS IMPORTANTES
k (nmero de canales): Nmero de servidores que hay en el sistema.
: Tasa media de llegada (cuntas unidades llegan en promedio en un perodo
determinado de tiempo).
: Tasa media de servicio (cuntas unidades pueden ser atendidas en un
perodo determinado de tiempo).

DISTRIBUCIN DE LLEGADAS
La suposicin ms frecuente es que las llegadas son aleatorias e independientes;
por esta razn las llegadas se generan de acuerdo con un proceso POISSON.

51
 x e
P ( x) =
x!

x = cantidad de llegadas en el perodo

= cantidad promedio de llegadas en el perodo

Dicha distribucin presenta la siguiente estructura:

52
Casi siempre que en un sistema de lneas de espera intervienen humanos, el
comportamiento de sta se ajusta a una distribucin de Poisson (esto sucede
aproximadamente en un 90% de las situaciones). Cuando las operaciones que se
ejecutan en la lnea de espera son realizadas por un robot o por una mquina
automtica, sin la intervencin de humanos, entonces se tiene una distribucin
constante.

Para modelar lneas de espera, se supone que el tiempo entre llegadas es

constante, es decir, si la tasa de llegadas es de 20 clientes por hora, entonces el
tiempo entre llegadas es 0,05 horas (1/20) 3 minutos.

DISTRIBUCIN DE TIEMPOS DE SERVICIO

El tiempo de servicio es el tiempo que pasa un cliente en el sistema, luego de
iniciar el servicio. Generalmente puede ajustarse mediante una distribucin de
probabilidad exponencial, que presenta la siguiente forma:

P(tiempo de servicio t ) = 1 e t
= cantidad media de unidades que pueden servirse

53
Dicha distribucin presenta la siguiente estructura:

Lo anterior supone, entonces, una mayor probabilidad para tiempos entre llegada
pequeos. La probabilidad de que el tiempo de servicio sea menor o igual que un
tiempo de duracin t es:

54
 P(tiempo de servicio t ) = 1 e *t

EJEMPLO 1
A un banco entran en promedio 114 clientes por hora y se pueden atender 75
clientes por hora.

a) Qu tan probable es que en un espacio de un minuto lleguen 2 clientes o

ms?

b) Qu tan probable es que un cliente se pueda atender en un minuto o menos?

Solucin:

= 114 clientes/hora = 1,9 clientes/minuto

= 75 clientes/hora = 1,25 clientes/minuto

a) P( x 2) = 1 P( x 1) = 1 0.4338 = 0.5663

b) P(tiempo de servicio 1' ) = 1 e ( 1.25) (1) = 0.713

Nota: El valor 0,4338 se puede obtener de una tabla de probabilidades de Poisson

o mediante la funcin Poisson de la categora Estadsticas de Excel.

55
MODELOS DE LNEAS DE ESPERA

1. MODELO DE UN SOLO CANAL CON LLEGADAS DE POISSON Y

TIEMPOS DE SERVICIO EXPONENCIALES

Para poder prestar un servicio eficiente con un solo canal, la tasa media de
servicio debe ser mayor que tasa de llegada. Esta es una condicin mnima
para poder aplicar las ecuaciones que a continuacin se presentan porque si la
tasa de servicio no es mayor que la tasa de llegada, daran algunos resultados
negativos que no tendran sentido.

Las siguientes frmulas se emplean, en este caso, para calcular las

caractersticas operativas:

Probabilidad de que no haya unidades en el sistema: P0 = 1

2
Cantidad promedio de unidades en la lnea de espera: Lq =
( )

Cantidad promedio de unidades en el sistema: L = Lq + =

(se puede usar cualquiera de las dos ecuaciones)

56
 Lq
Tiempo promedio que pasa una unidad en la lnea de espera: Wq =

1 1
Tiempo promedio que pasa una unidad en el sistema: W = Wq + =

Probabilidad de que una unidad que llega tenga que esperar: Pw =

n

Probabilidad de n unidades en el sistema: Pn = P0

Pw tambin es conocido como factor de utilizacin.

EJEMPLO 2
Considere un establecimiento de renta de videos y DVD. Durante las noches entre
semana, los clientes llegan con una tasa promedio de 1,25 clientes por minuto; el
dependiente del mostrador puede atender un promedio de 2 clientes por minuto.
Suponga llegadas de Poisson y tiempos de servicio exponenciales.

57
a) Cul es la probabilidad de que no haya clientes en el sistema?
b) Cul es la cantidad promedio de clientes que esperan por el servicio?
c) Cul es el tiempo promedio que espera un cliente para que comience el
servicio?
d) Cul es la probabilidad de que un cliente que llega tenga que esperar por el
servicio?

(Ejercicio planteado en el siguiente texto: Anderson, Mtodos cuantitativos para

los negocios, novena edicin, editorial Thomson, 2004, pg. 630)

Solucin:
1.25
a) P0 = 1 = 1 = 0.375
2

2 1.25 2
b) Lq = = = 1.04 clientes
( ) 2(0.75)

Lq 1.04
c) Wq = = = 0.832 minutos = 50 segundos
1.25

1.25
d) Pw = = = 0.625
2

58
2. MODELO CON CANALES MLTIPLES CON LLEGADAS DE POISSON Y
TIEMPOS DE SERVICIO EXPONENCIALES

Las ecuaciones slo son aplicables si k > ; de lo contrario, sera insuficiente

para atender las necesidades. Debe suponerse que todos los canales tienen la
misma capacidad.

Si el montaje de los canales necesarios requiere una infraestructura fsica, el

anlisis de las lneas de espera debe hacerse para un perodo crtico (hora
pico, das especiales...) si este es frecuente; tampoco tendra sentido, por
ejemplo, que un restaurante monte una infraestructura exagerada previendo la
afluencia de pblico el da de la madre y que permanezca casi vaco el resto
del ao.

Las siguientes frmulas se emplean, si se tienen k canales, para calcular las

caractersticas operativas:

59

Cantidad promedio de unidades en el sistema: L = Lq +

Lq
Tiempo promedio que pasa una unidad en la lnea de espera: Wq =

1
Tiempo promedio que pasa una unidad en el sistema: W = Wq +

EJEMPLO 3
A un banco entran en promedio 114 clientes por hora y se presenta una tasa
media de servicio de 1,25 clientes por minuto. Las llegadas se aproximan por una
distribucin de Poisson y el tiempo de servicio por una distribucin exponencial.

60
Cuntos servidores debe tener como mnimo para prestar un servicio adecuado?
Si se tiene ese nmero de canales, cul es la cantidad promedio de unidades en
la lnea de espera y cunto tiempo pasan en promedio los clientes en ella?

Solucin:
Un solo canal no es suficiente pues la tasa media de clientes que llegan (114
clientes por hora) es superior a la tasa media de servicio (75 clientes por hora). Se
deben tener como mnimo dos canales; de esta manera k > .
/ = 114 / 75 = 1.52

Si se tienen dos canales:

1
P0 = = 0.1364
1.52 0 1.521 1.52 2 2(75)
+ +
0! 1! 2! (150 114)

(1.52) 2 (114)(75)
Lq = 0.1364 = 2.08
1!(150 114) 2
2.08
Wq = = 0.01825 horas = 1,1 minutos
114

Respuesta: En la lnea de espera permanecen en promedio 2,08 clientes, los

cuales permanecen en fila durante 1,1 minutos en promedio, lo que indica con el
servicio con dos canales es muy eficiente.

61
3. MODELO DE LNEA DE ESPERA DE UN SOLO CANAL CON LLEGADAS
DE POISSON Y TIEMPOS DE SERVICIO QUE NO SE DISTRIBUYEN
EXPONENCIALMENTE

Es necesario tener en cuenta la desviacin estndar del tiempo de servicio.

Las siguientes frmulas se emplean, en este caso, para calcular las
caractersticas operativas:

Probabilidad de que no haya unidades en el sistema: P0 = 1

2 2 + ( / ) 2
Cantidad promedio de unidades en la lnea de espera: Lq =
2(1 / )

Cantidad promedio de unidades en el sistema: L = Lq +

Lq
Tiempo promedio que pasa una unidad en la lnea de espera: Wq =

1
Tiempo promedio que pasa una unidad en el sistema: W = Wq +

62

Probabilidad de que una unidad que llega tenga que esperar: Pw =

n

Probabilidad de n unidades en el sistema: Pn = P0

EJEMPLO 4
Una tienda de ventas al menudeo presenta una tasa media de llegada de 21
clientes por hora. Un estudio del proceso de servicio muestra que el tiempo de
servicio promedio es de dos minutos por cliente, con una desviacin estndar de
1,2 minutos. Evale el sistema a partir de la valoracin de sus caractersticas
operativas.

Solucin:

Primero que todo, si se necesitan dos minutos en promedio para atender a un

cliente, en una hora pueden servirse 30 clientes ().

Adems, 1,2 minutos = 0.02 horas (1,2/60)

63
 21 (21) 2 (0.02) 2 + (21 / 30) 2
P0 = 1 = 0.3 Lq = = 1.11 clientes
30 2(1 21 / 30)

21 1.11
L = 1.11 + = 1.81 clientes Wq = = 0.05286 horas = 3,2 minutos
30 21

1
W = 0.05286 + = 0.0862 horas = 5,2 minutos
30

Respuesta: Aparentemente el servicio es muy bueno porque los tiempos son

relativamente bajos y los promedios de clientes en la cola y en el sistema tambin
son pequeos; sin embargo, para poder obtener una conclusin vlida, habra que
conocer los objetivos especficos de la compaa y sus caractersticas particulares.

Notas:

Si los tiempos de servicio son constantes, entonces la desviacin estndar es

cero, pero se siguen utilizando las mismas ecuaciones.

Una primera opcin para mejorar el servicio en un sistema de espera consiste

en aumentar la tasa media de servicio (solucin muy obvia); otra alternativa
para lograr ese objetivo, consiste en reducir la variacin en los tiempos de
servicio (su desviacin estndar). Por lo tanto, si en el sistema no puede
aumentarse la tasa media de servicio, una reduccin en reduce la cantidad
de unidades en la lnea de espera y mejora todas las caractersticas
operativas.

64
4. MODELO DE CANALES MLTIPLES CON LLEGADAS DE POISSON,
TIEMPOS DE SERVICIO ARBITRARIOS Y SIN LNEA DE ESPERA:
Puede ocurrir que a las unidades que busquen servicio se les niegue el
acceso si todos los canales estn ocupados; esas unidades pueden perderse o
pueden intentar acceder al sistema despus. Eso sucede principalmente con
las llamadas telefnicas (si el canal que se busca no est disponible, el que
llama no entra a hacer una fila).

La probabilidad de que j de los k canales estn ocupados se puede establecer

as:
( / ) j / j!
Pj = k

( / )
i =0
i
/ i!

Eso significa que si se quiere establecer el nmero de llegadas que son

bloqueadas (se les niega el acceso), se debe establecer la probabilidad de que
todos los canales que se tenga disponibles estn ocupados.

Otra caracterstica operativa que puede ser importante es el nmero de

usuarios promedio en el sistema (promedio de canales en uso), el cual se
calcula de la siguiente forma:

L= (1 Pk )

65
EJEMPLO 5
Una empresa maneja un sistema de pedidos telefnicos para sus productos de
software. Para hacer sus pedidos, los clientes tienen que llamar a una lnea 1800;
las llamadas llegan con una tasa promedio de 12 llamadas por hora y un
representante de ventas puede atender en promedio 6 llamadas por hora.

En la actualidad, el nmero telefnico tiene 3 canales internos, cada uno atendido

por un representante de ventas.

Se ha encontrado que son muchos los clientes que no vuelven a llamar cuando
encuentran la lnea ocupada, lo cual significa prdidas para la compaa; la
administracin quiere conocer el porcentaje de clientes que reciben seal de
ocupado. Si la meta es proporcionar capacidad suficiente para manejar a 90% de
los que llaman, cuntas lneas telefnicas debera usar la empresa?

(Ejercicio planteado y solucionado en el siguiente texto: Anderson, Mtodos

cuantitativos para los negocios, editorial Thomson, 2004, pg. 622)

Solucin:

2 3 / 3!
P3 = = 0.2105
2 0 / 0!+21 / 1!+2 2 / 2!+2 3 / 3!

Lo cual indica que con 3 canales, solo pueden atender en forma inmediata el 79%
de las llamadas (el 21% se bloquearan).

66
Si el servicio se ampla a cuatro lneas:

2 4 / 4!
P4 = 0 = 0.0952
2 / 0!+21 / 1!+2 2 / 2!+2 3 / 3 + 2 4 / 4!

Eso implica que el 90.5% de los clientes se podran atender en forma inmediata.
Por lo tanto lo mejor es usar 4 canales

5. MODELOS DE LNEA DE ESPERA CON POBLACIONES FINITAS DE

DEMANDANTES
Hasta ahora se ha considerado que la poblacin que alimenta la cola es
infinita, pero puede pasar que dicha poblacin sea de un tamao
predeterminado; en este caso, la tasa de llegada disminuye a medida que
aumenta la cantidad de unidades en el sistema porque mientras ms haya,
menos unidades hay disponibles para llegar.
Para las ecuaciones siguientes, se considera:
= tasa media de llegada para cada unidad (no tasa media de llegadas)
= tasa media de servicio
N = tamao de la poblacin

1
Probabilidad de que no haya unidades en el sistema: P0 = 2
N
N!

n = 0 ( N n)!

67
 +
Cantidad promedio de unidades en la lnea de espera: Lq = N (1 P0 )

Cantidad promedio de unidades en el sistema: L = Lq + (1 P0 )

Lq
Tiempo promedio que pasa una unidad en la lnea de espera: Wq =
( N L )

1
Tiempo promedio que pasa una unidad en el sistema: W = Wq +

Probabilidad de que una unidad que llega tenga que esperar: Pw = 1 P0
n
N!
Probabilidad de n unidades en el sistema: Pn = P0 para n = 0,1...N
( N n)!

EJEMPLO 6
Cierta empresa emplea un grupo de 6 mquinas idnticas que operan en
promedio 20 horas entre descomposturas. Una persona del departamento de
mantenimiento proporciona el servicio de reparacin para las 6 mquinas; los
tiempos de servicio tienen una media de dos horas por mquina. Calcule las
caractersticas operativas del sistema si se supone distribucin de Poisson para
las llegadas y distribucin exponencial para los tiempos de servicio.

(Ejercicio planteado y solucionado en el siguiente texto: Anderson, Mtodos

cuantitativos para los negocios, editorial Thomson, 2004, pg. 626)

68
Solucin:

1 descomp. 1 mquina
= = 0.05 descomp./hora = = 0.5 mquinas/hora
20 horas 2 horas

Reemplazando en la ecuacin de P0 se encuentra que P0 = 0,4845 (como el

clculo es engorroso, puede usarse el QSB en el anexo 2 se explica cmo-).

0.05 + 0.5
Lq = 6 (1 0.4845) = 0.3297 mquinas
0.05
L = 0.3297 + (1 0.4845) = 0.4851 mquinas

0.3295
Wq = = 1.28 horas
(6 0.845)0.5

1
W = 1.28 + = 3.28 horas
0.5

Pw = 1 0.4845 = 0.5155

69
6. OTROS MODELOS
Hay una amplia variedad de modelos; existe un cdigo de clasificacin para los
diferentes tipos de lneas de espera desarrollado por Kendall. La forma general
de la notacin es A/B/k: A representa la distribucin de probabilidades para las
llegadas; B, la distribucin de probabilidades para el tiempo de servicio y k, la
cantidad de canales.

En las dos primeras posiciones se utilizan las siguientes letras:

M: si se puede aplicar una distribucin de Poisson para las llegadas y una
exponencial para el tiempo de servicio).
D: si ambas son determinsticas o constantes, o por lo menos una de ellas lo
es.
G: si tienen otra distribucin de probabilidades; en este caso, se deben
conocer media y varianza.

Por ejemplo, un modelo M/D/3 indica que para las llegadas se puede aplicar
una distribucin de Poisson, que el tiempo de servicio es constante y que se
tienen 3 canales.

70
ALGUNAS RELACIONES GENERALES PARA LOS MODELOS DE LNEAS DE
ESPER A
L= W
Lq = W q
Estas relaciones se cumplen para cualquier modelo

EJERCICIOS PROPUESTOS

1. En las horas pico de la tarde, a la estacin Poblado del Metro de Medelln llegan
en promedio 2.208 usuarios por hora; la tasa media de servicio por canal es 8
usuarios por minuto. Puede suponerse que las llegadas se distribuyen de
acuerdo a una distribucin de Poisson y los tiempos de servicio segn una
distribucin exponencial.

a) Cuntos servidores tendran que tenerse como mnimo para poder prestar
un servicio eficiente? Por qu?
b) Halle la cantidad promedio de usuarios en la lnea de espera y el tiempo
promedio que pasa un usuario en la fila si se usa ese mnimo de servidores.
Cmo calificara el servicio? Si no es muy bueno, qu podra hacerse
para mejorarlo?

1. En la situacin anterior encuentre lo que pasa con Lq , L , Wq y W si se hacen

las siguientes variaciones:

a) No se utiliza el mnimo de canales necesario, sino uno ms y luego otro

ms.

71
 b) La tasa de llegada no es 2.208 usuarios por hora sino 3.500 usuarios por
hora y finalmente 800 usuarios por hora (considere que la tasa de servicio
permanece igual siempre y que en todos los casos se utiliza el mnimo de
canales necesario).
c) La tasa de servicio no es 8 usuarios por minuto sino 6 usuarios por minuto y
finalmente 10 usuarios en ese tiempo (considere que la tasa de llegada
permanece en su valor original y que en todos los casos se utiliza el mnimo
de canales necesario).
Qu conclusiones puedes obtener?

2. A una estacin de gasolina llegan en promedio 45 clientes por hora y se tiene

capacidad para atender en promedio a 60 clientes por hora. Cul es la
cantidad promedio de unidades en el sistema y el tiempo promedio que pasa
un cliente en el sistema si se usa un solo canal? Suponga que las llegadas se
distribuyen de acuerdo a una distribucin de Poisson y los tiempos de servicio
segn una distribucin exponencial.

3. Cinco asistentes administrativos usan una fotocopiadora de oficina. El tiempo

promedio entre llegadas de asistentes es de 40 minutos y el tiempo promedio
que pasa cada asistente en la fotocopiadora es de cinco minutos. Determina lo
siguiente:

a) Probabilidad de que la fotocopiadora est sin uso.

b) Cantidad de asistentes en la lnea de espera en promedio.
c) Tiempo promedio que pasa un asistente esperando la fotocopiadora.
d) Durante una jornada de 8 horas, cuntos minutos pasa un asistente en la
fotocopiadora? cunto de ese tiempo es tiempo de espera?
e) La administracin debera considerar comprar una segunda
fotocopiadora? Justifique

72
4. XX proporciona un servicio de un solo canal de cambio de aceite y lubricacin
de carros. Las llegadas ocurren a una tasa de 2,5 carros por hora y la tasa
media de servicio es de 5 carros por hora. Suponga que las llegadas siguen
una distribucin de Poisson y que los tiempos de servicio siguen una
distribucin exponencial.

a) Cul es la cantidad de carros en el sistema?

b) Cul es el tiempo promedio que espera un carro para que empiecen a
atenderlo?
c) Cul es el tiempo promedio que pasa un carro en el sistema?
d) Cul es la probabilidad de que un carro que llega tenga que esperar por el
servicio?

5. Los pacientes llegan al consultorio de un odontlogo a una tasa media de 2,8

pacientes por hora. El odontlogo puede tratar a los pacientes a una tasa
media de 3 pacientes por hora. Un estudio muestra que, en promedio, un
paciente espera 30 minutos antes de ver al odontlogo.

a) Cul es la cantidad promedio de pacientes en la sala de espera?

b) Si un paciente llega a las 10:10 A.M., a qu hora se espera que salga del
consultorio?

6. Una gran aseguradora mantiene un sistema de cmputo central que contiene

una variedad de informacin sobre las cuentas de los clientes. Los agentes de
seguros usan lneas telefnicas para tener acceso a la base de datos de
informacin de los clientes; en la actualidad, el sistema de cmputo central de
la empresa permite que 3 usuarios tengan acceso simultneo a la computadora
central, a los dems se les niega el acceso.

73
 La administracin se da cuenta de que con la expansin de su negocio se
harn ms solicitudes al sistema; el hecho de que se les niegue el acceso al
sistema es ineficiente y molesto para los agentes. Las solicitudes de acceso
siguen una distribucin de probabilidad de Poisson, con una media de 42
llamadas por hora. La tasa media de servicio por lnea es de 20 llamadas por
hora.

a) Cul es la probabilidad de que a un agente se le niegue el acceso al

sistema?
b) Cul es la cantidad promedio de lneas de acceso en uso?
c) En la planeacin para el futuro, la administracin desea ser capaz de
manejar una tasa de llegada de 50 llamadas por hora; adems, la
probabilidad de que a un agente se le niegue el acceso no deber ser
superior al valor calculado en el inciso b. Cuntas lneas de acceso
debera tener el sistema?

74
 ANEXO 1 SOLVER DE EXCEL

Es un paquete agregado a Excel que puede utilizarse para resolver cualquier

problema de programacin lineal. Puede almacenar hasta 200 variables de
decisin y 100 restricciones.

Si no est instalado, debe hacerse lo siguiente:

A. Si el Excel es 2003 o una versin anterior:

1. Entrar al men Herramientas y hacer clic en Complementos.

2. Activar la casilla de verificacin Solver y hacer clic en Aceptar.
3. Hecho esto, Excel instalar el Solver; de lo contrario se tendra que instalar
desde el disco.
4. Cada vez que se va a ejecutar, se debe ir al men Herramientas y
seleccionar Solver.

B. Si el Excel que se utiliza es 2007:

1. Hacer clic en el botn de Microsoft Office y, a continuacin, hacer clic

en Opciones de Excel.
2. Hacer clic en Complementos y, en el cuadro Administrar, seleccionar
Complementos de Excel.

75
 3. Hacer clic en Ir.
4. En el cuadro Complementos disponibles, activar la casilla de verificacin
Complemento Solver y, a continuacin, hacer clic en Aceptar.

Sugerencia: Si Complemento Solver no aparece en la lista del cuadro

Complementos disponibles, hacer clic en Examinar para buscar el
complemento.

Si se le indica que el complemento Solver no est instalado actualmente en

el equipo, hacer clic en S para instalarlo.

5. Una vez cargado el complemento Solver, el comando Solver estar

disponible en el grupo Anlisis de la ficha Datos.

Para obtener la solucin ptima en un caso especfico, debe hacerse lo siguiente:

1. En la columna A, se deben ingresar los ttulos para identificar la funcin
objetivo, las variables de decisin y las restricciones.
2. En la columna B, al frente del espacio correspondiente, se escriben las
frmulas para la funcin objetivo y cada una de las restricciones.
3. Seleccionar Herramientas del men y, posteriormente, la opcin Solver.
4. En el cuadro de dilogo Parmetros de Solver se ingresan la funcin objetivo,
las restricciones, se indica qu es lo que se va a estimar (variables de decisin)
y si la funcin objetivo se quiere maximizar o minimizar.

76
5. Dentro de las opciones, adoptar modelo lineal y asumir no negativos.
6. Resolver. Se puede obtener el informe de respuestas o el anlisis de
sensibilidad o ambos.

Notas:
El botn Cambiar permite modificar las restricciones introducidas y Eliminar
sirve para borrar las existentes.

Al abrir Referencia de la Celda cuando se introducen las restricciones, se

especifica la ubicacin de la celda que contiene la frmula a la que hace
referencia dicha restriccin. Se introduce el tipo de restriccin haciendo clic en
la flecha del campo central desplegable (, , =, int -donde int se refiere a un
nmero entero-, o bin -donde bin se refiere a binario-). El campo Restriccin
puede llevar una frmula de celdas, una simple referencia a una celda o un
valor numrico (lado derecho de la restriccin). El botn Agregar aade la
restriccin especificada al modelo existente y vuelve a la ventana Agregar
Restriccin. El botn Aceptar aade la restriccin al modelo y vuelve a la
ventana Parmetros de Solver.

77
 ANEXO 2 QSB

Este programa contiene los mtodos cuantitativos ms usados en las ciencias

administrativas.

Los mdulos que contiene QSB y que son de importancia para este curso son:
Programacin Lineal y entera (Linear and Integer Programming): Usa el
mtodo matricial y el mtodo grfico.
Modelacin de redes (Network modeling): Resuelve problemas de transporte,
trasbordo y asignacin.
Sistemas de colas (Queuing analysis): Resuelve problemas de colas.

Despus de ingresar a QSB debe escogerse el mdulo requerido:

1. Programacin lineal y entera:

La primera ventana que se encuentra contiene el archivo:
Nuevo problema: Permite introducir un nuevo problema.
Abrir Problema: Abre un problema que se ha guardado antes.

78
Luego se abre una ventana que contiene:
Ttulo del problema.
Nmero de variables.
Nmero de restricciones (constraints)
Criterio en la funcin objetivo: Maximizacin o minimizacin.
Formato de entrada de datos: Como una matriz o en forma grfica.
Tipo de variable: Continuos no negativos, enteros no negativos, binarios (0, 1).

Por ejemplo, para el ejercicio 2 de la seccin 1, los datos se introduciran as si se

escoge el modelo matricial (recomendado):

VARIABLE X1 X2 DIRECCIN R.H.S.

Maximizar 8000 5000
R1 2 1 1200
R2 3 4 2400
R3 1 1 800
R4 1 -1 450
Lmite inferior 0 0
Lmite superior M (infinito) M (infinito)

Notas: Para cambiar el sentido de una restriccin se hace clic dos veces en la
celda que contiene el signo y van apareciendo las diferentes opciones.
Por defecto, las variables son llamadas x1 y x2. Si se quiere cambiar esos
nombres, debe seleccionarse Edicin y Nombres de variables.

79
Para obtener los informes de respuestas y sensibilidad debe seleccionarse el

cono

Si el problema quiere desarrollarse por el mtodo grfico (slo para problemas con

dos variables) debe seleccionarse el cono

2. Modelacin de redes:

La opcin Nuevo Problema generar una ventana con las siguientes opciones:
Tipo de problema: Flujo de red, problema de transporte, problema de
asignacin.
Criterio objetivo: Maximizacin o minimizacin.
Formato de entrada de datos: Como una matriz o en forma normal.
Ttulo del problema.
Nmero de fuentes y destinos (si se escoge el modelo de transporte) o nmero
de fuentes (si se escoge flujo de red) o nmero de objetos y asignaciones (si
se escoge el modelo de asignacin).

80
Por ejemplo, para el ejercicio 1 de la seccin 2 primero debe indicarse que se va a
realizar un problema de transporte; los datos se introduciran as si se escoge el
modelo matricial:

DE / A Bogot Caracas Quito SUMINISTRO

Medelln 3000 9000 10000 800
Armenia 2000 7000 8500 1500
DEMANDA 1000 700 600

Si se escoge el modelo grfico para introducir los datos:

Aparece un campo con coordenadas; al pulsar doble clic sobre los espacios
deseados se crean los nodos. En el campo de la derecha se puede editar cada
nodo, al ser posible modificar su nombre, localizacin y capacidad.
Luego, para crear los arcos (rutas) se hace una lnea manteniendo el clic
sostenido entre cada nodo fuente y cada nodo destino. En el campo de la derecha
se puede digitar el coeficiente en cada posible ruta.

Para obtener un informe con las mejores rutas debe seleccionarse el cono

Si lo que va a hacerse es un problema de trasbordo debe escogerse inicialmente

Flujo de red (Network flow).

81
3. Sistemas de colas:
Primero se debe establecer si el modelo a tratar es un M/M (Simple M/M System)
(Poisson-Exponencial) o un modelo general (General Queuing System).

a) Modelo M/M:
Nmero de servidores (Number of Servers): K
Tasa de servicio (Service Rate):

Tasa de llegada de clientes (Customer Arrival Rate):

Capacidad de la cola (Queue Capacity)
Tamao de la poblacin de clientes (Customer Population)
Costo del servidor ocupado (Busy Server Cost per Hour)
Costo del servidor desocupado (Idle Server Cost per Hour)
Costo de espera de los clientes (Customer Waiting Cost per Hour)
Costo de los clientes siendo servidos (Customer Being Served Cost per Hour)
Costo de los clientes siendo despachados (Cost of Customer Being Balked)
Costo de la unidad de capacidad de la cola (Unit Queue Capacity Cost)

Notas:
Los campos cuyos valores son desconocidos se dejan en blanco.
Las letras M indican un valor infinito o muy grande.

82
 ANEXO 3
RESPUESTAS A LOS EJERCICIOS PROPUESTOS

Objeto de aprendizaje 1:
1. Debe invertir $5.000.000 en cada tipo de inversin. El rendimiento ptimo es
$1.050.000.
2. 50 impresos tipo A y 100 tipo B.
3. 3 toneladas de pintura para exteriores y 1.5 toneladas de pintura para
interiores, lo que dejara una utilidad de 21 millones de pesos.
4. 4 onzas de A, 4 onzas de B y 2 onzas de C.
5. a) x = unidades del modelo econmico
y = unidades del modelo estndar
x = unidades del modelo de lujo
Objetivo: Maximizar 63000x + 50000y + 125000z
Sujeto a: x + y + z 200, x + 2y + 4z 320, 8x + 14y + 14z 2400
b) 160 econmicos y 40 de lujo. Mxima utilidad: $15.080.000
c) Precio sombra de motores: 42.333; si se altera la disponibilidad de motores,
la utilidad se altera en $42.333 en forma directa. (a ms motores, mayor
utilidad)
Precio sombra de bobinas: 20.700; si se altera la disponibilidad de bobinas,
la utilidad se altera en $420.700en forma directa.
Precio sombra del tiempo: 0; como no se gasta todo el tiempo disponible,
una hora de ms no afecta la utilidad.

83
 Es importante tener en cuenta que los precios sombra son vlidos si slo
cambia la restriccin a la que se aluda y si se est dentro del rango
permitido.
d) Modelo econmico: aunque no deje la mxima utilidad, es el que menos
recursos consume.
Modelo estndar: deja muy poca utilidad y gasta ms recursos que el
econmico.
e) No cambiara porque est en el rango permisible.

Objeto de aprendizaje 2:

1.
De / A NA1 NA2 E1
Rionegro 35 15
Bogot 30

De / A M1 M2 M3 M4
NA1 35
NA2 15 5 10
E1 15

Con este programa, los costos de transporte seran de 585 euros

semanalmente.

84
2.
Destino
Origen Cartagena Cali Bucaramanga
Medelln 3000 5000
Bogot 2500 200

3. El especialista 1 debe asignarse al cliente B, el especialista 2 al cliente C y el

especialista 4 al cliente A.

4.
Almacn
Planta 1 2
1 450
2 600
3 250

Cliente
Almacn 1 2 3 4
1 300 400
2 300 300

5. Asignarle a Horacio el proyecto 3; a Ernesto, el proyecto 2 y a Carlos, el

proyecto 1.

85
Objeto de aprendizaje 3:

1. a) 5 servidores, para que k >

b) Lq = 9,3 usuarios W q = 15,1 segundos

2. a) Lq = 1,49 L = 6,1 W q = 2,4 segundos W = 9,9 segundos

b) Lq = 7,54 L = 14,83 W q = 7,8 segundos W = 15,3 segundos
c) Lq = 4,67 L = 10,8 W q = 7,6 segundos W = 17,6 segundos

3. 3clientes, 4 minutos

4. a) Po = 0,479 b) 0,311 c) 3 minutos

d) Tiempo en fotocopiadora: 95,8 min/da
Tiempo de espera en fotocopiadora: 35,8 min/da

5. a) L = 1 b) 12 minutos c) 24 minutos d) 50%

6. a) 1,4 b) 11:00 A.M.

7. a) 0,2254 b) 1,627 c) Son necesarias 4 lneas

86
Esta cartilla es una publicacin CEIPA
Todos los derechos Reservados

87