Professional Documents
Culture Documents
Maestría en
Administración
Modelos Matemáticos Aplicados a la
Administración
Investigación de Operaciones
Propuesta de investigación
Elaborado por:
Revisó
Dr. Jorge Sierra Acosta
1. INTRODUCCIÓN
En nuestra época, las matemáticas han penetrado en la economía de modo tan sólido,
generalizado y diversificado, y el tema escogido está relacionado con tal diversidad de hechos y
problemas.
El uso de la investigación de operaciones ha tenido avances en el transcurso del tiempo esto
debido a los estudios apreciados en las lecturas hechas por este importante tema.
Es importante dirigir esfuerzos para comprender la aplicación básica, pues considero que estos
temas pasan desapercibidos por quienes laboramos en áreas humanas dentro de una empresa.
2. JUSTIFICACIÓN
4
3. PROBLEMA DE INVESTIGACIÓN
3.1. Enunciado del problema
Mientras que cambiar quiere decir adaptarse a la situación para sobrevivir, transformarse es
cambiar con el entorno. La transformación mediante el análisis de diversos problemas, es un
planteamiento que toda industria o ente económico debe hacer en la actualidad.
Una compañía que piensa a futuro y gestiona para garantizar el éxito sustentable a largo plazo, es
la que marca diferencia en todos los ámbitos empresariales.
En este camino del cambio, es importante considerar la optimización, la innovación y la
transformación como tres palabras claves para cualquier industria.
Debido a las necesidades del país y de los cambios producidos por las corrientes tecnológicas,
científicas y económicas, las empresas están obligadas a adquirir la cultura de previsión.
Los análisis mediante modelos matemáticos permiten sistematizar las variables internas y externas
de todo el ente económico, capaz de ofrecer un abanico de soluciones que permitan maximizar las
utilidades y a la vez minimizar los costos para lograr los objetivos de toda empresa, industria, o
ente económico.
Por tal motivo, es una necesidad conocer los fundamentos básicos de los modelos matemáticos y
su metodología de solución hacia el ahorro, para el logro de objetivos mediante planes de trabajos
analíticamente estructurados con aplicación en empresas, entes económicos, industrias, gobierno
y en el ámbito personal.
5
4. OBJETIVOS DE LA INVESTIGACIÓN
4.1. Objetivo general
Aplicar la programación lineal como filosofía de vida para el logro de los objetivos en la
materia de Modelos Matemáticos aplicados a la Administración en el aula de
capacitación de la generación XVIII en la maestría en administración de la Universidad
Autónoma Benito Juárez de Oaxaca.
4.2. Objetivos específicos
Identificar los orígenes de la investigación de operaciones.
Conocer el impacto de la investigación de operaciones en las empresas
Establecer problemas mediante el reconocimiento de áreas de oportunidad.
Formular modelos matemáticos para ofrecer soluciones en la toma de decisiones.
Resolver modelos matemáticos por medio del método simplex como preparación para
el logro de los objetivos.
6
Las raíces de la investigación de operaciones se remontan a muchas décadas, cuando se hicieron los
primeros intentos para emplear el método científico en la administración de una empresa. Sin
embargo, el inicio de la actividad llamada investigación de operaciones, casi siempre se atribuye a los
servicios militares prestados a principios de la segunda guerra mundial. Debido a los esfuerzos
bélicos, existía una necesidad urgente de asignar recursos escasos a las distintas operaciones
militares y a las actividades dentro de cada operación, en la forma más efectiva. Por esto, las
administraciones militares americana e inglesa hicieron un llamado a un gran número de científicos
para que aplicaran el método científico a éste y a otros problemas estratégicos y tácticos. De hecho,
se les pidió que hicieran investigación sobre operaciones (militares). Estos equipos de científicos
fueron los primeros equipos de IO. Con el desarrollo de métodos efectivos para el uso del nuevo radar,
estos equipos contribuyeron al triunfo del combate aéreo inglés. A través de sus investigaciones para
mejorar el manejo de las operaciones antisubmarinas y de protección, jugaron también un papel
importante en la victoria de la batalla del Atlántico Norte. Esfuerzos similares fueron de gran ayuda en
la isla de campaña en el pacífico.
Se pueden identificar por lo menos otros dos factores que jugaron un papel importante en el desarrollo
de la investigación de operaciones durante este período. Uno es el gran progreso que ya se había
hecho en el mejoramiento de las técnicas disponibles en esta área. Después de la guerra, muchos
científicos que habían participado en los equipos de IO o que tenían información sobre este trabajo, se
encontraban motivados a buscar resultados sustanciales en este campo; de esto resultaron avances
importantes. Un ejemplo sobresaliente es el método simplex para resolver problemas de programación
lineal, desarrollado en 1947 por George Dantzing. Muchas de las herramientas características de la
investigación de operaciones, como programación lineal, programación dinámica, líneas de espera y
teoría de inventarios, fueron desarrolladas casi por completo antes del término de la década de 1950.
Un segundo factor que dio ímpetu al desarrollo de este campo fue el advenimiento de las
computadoras. Para manejar de una manera efectiva los complejos problemas inherentes a esta
disciplina, por lo general se requiere un gran número de cálculos. Llevarlos a cabo a mano puede
resultar casi imposible. Por lo tanto, el desarrollo de la computadora electrónica digital, con su
capacidad para realizar cálculos aritméticos, miles o tal vez millones de veces más rápido que los
7
seres humanos, fue una gran ayuda para la investigación de operaciones. Un avance más tuvo lugar
en la década de 1980 con el desarrollo de las computadoras personales cada vez más rápidas,
acompañado de buenos paquetes de software para resolver problemas de IO, esto puso las técnicas
al alcance de un gran número de personas. Hoy en día, literalmente millones de individuos tienen
acceso a estos paquetes. En consecuencia, por rutina, se usa toda una gama e computadoras, desde
las grandes hasta las portátiles, para resolver problemas de investigación de operaciones.
Como su nombre lo dice, la investigación de operaciones significa "hacer investigación sobre las
operaciones". Entonces, la investigación de operaciones se aplica a problemas que se refieren a la
conducción y coordinación de operaciones (o actividades) dentro de una organización. La naturaleza
de la organización es esencialmente inmaterial y, de hecho, la investigación de operaciones se ha
aplicado de manera extensa en áreas tan diversas como la manufactura, el transporte, la constitución,
las telecomunicaciones, la planeación financiera, el cuidado de la salud, la milicia y los servicios
públicos, por nombrar sólo unas cuantas. Así, la gama de aplicaciones es extraordinariamente amplia.
Una característica más de la investigación de operaciones es su amplio punto de vista. Como quedó
implícito en la sección anterior, la IO adopta un punto de vista organizacional. De esta manera, intenta
resolver los conflictos de intereses entre las componentes de la organización de forma que el resultado
sea el mejor para la organización completa. Esto no significa que el estudio de cada problema deba
8
considerar en forma explícita todos los aspectos de la organización sino que los objetivos que se
buscan deben ser consistentes con los de toda ella.
Una característica adicional es que la investigación de operaciones intenta encontrar una mejor
solución, (llamada solución óptima) para el problema bajo consideración. (Decimos una mejor solución
y no la mejor solución porque pueden existir muchas soluciones que empaten como la mejor.) En lugar
de contentarse con mejorar el estado de las cosas, la meta es identificar el mejor curso de acción
posible. Aun cuando debe interpretarse con todo cuidado en términos de las necesidades reales de la
administración, esta "búsqueda de la optimalidad" es un aspecto importante dentro de la investigación
de operaciones.
Todas estas características llevan de una manera casi natural a otra. Es evidente que no puede
esperarse que un solo individuo sea un experto en todos los múltiples aspectos del trabajo de
investigación de operaciones o de los problemas que se estudian; se requiere un grupo de individuos
con diversos antecedentes y habilidades. Entonces, cuando se va a emprender un estudio de
investigación de operaciones completo de un nuevo problema, por lo general es necesario emplear el
empleo de equipo. Este debe incluir individuos con antecedentes firmes en matemáticas, estadística y
teoría de probabilidades, al igual que en economía, administración de empresas, ciencias de la
computación, ingeniería, ciencias físicas, ciencias del comportamiento y, por supuesto, en las técnicas
especiales de investigación de operaciones. El equipo también necesita tener la experiencia y las
habilidades necesarias para permitir la consideración adecuada de todas las ramificaciones del
problema a través de la organización.
En la definición del problema de interés y recolección de datos relevantes, la mayor parte de los
problemas prácticos con los que se enfrenta el equipo IO están descritos inicialmente de una manera
vaga. Por consiguiente, la primera actividad que se debe realizar es el estudio del sistema relevante y
el desarrollo de un resumen bien definido del problema que se va a analizar. Esto incluye determinar
los objetivos apropiados, las restricciones sobre lo que se puede hacer, las interrelaciones del área
bajo estudio con otras áreas de la organización, los diferentes cursos de acción posibles, los límites de
tiempo para tomar una decisión, etc. Este proceso de definir el problema es crucial ya que afectará en
forma significativa la relevancia de las conclusiones del estudio.
9
Por su naturaleza, la investigación de operaciones se encarga del bienestar de toda la organización,
no sólo de algunos de sus componentes. Un estudio de IO busca soluciones óptimas globales y no
soluciones subóptimas aunque sean lo mejor para uno de los componente. Entonces, idealmente, los
objetivos que se formulan deben coincidir con los de toda la organización. Sin embargo, esto no
siempre es conveniente. Muchos problemas interesan nada más a una parte de la organización, de
manera que el análisis sería innecesariamente besado si los objetivos fueran muy generales y si se
prestara atención especial a todos los efectos secundarios sobre el resto de la organización. En lugar
de ello, los objetivos usados en un estudio deben ser tan específicos como sea posible, siempre y
cuando contemplen las metas principales del tomador de decisiones y mantengan un nivel razonable
de consistencia con los objetivos de los altos niveles.
Las condiciones fundamentales para que exista un problema es que se establezca una diferencia
entre lo que es (situación actual) y lo que debe ser (situación deseada u objetivo) y además exista
cuando menos una forma de eliminar o disminuir esa diferencia. Los componentes de un problema
son: a) el tomador de decisiones o ejecutivo; b) los objetivos de la organización; c) el sistema o
ambiente en el que se sitúa el problema; d) Los cursos de acción alternativos que se pueden tomar
para resolverlo.
Una vez definido el problema del tomador de decisiones, la siguiente etapa consiste en reformularlo de
manera conveniente para su análisis. La forma convencional en que la investigación de operaciones
realiza esto es construyendo un modelo matemático que represente la esencia del problema. Antes de
analizar como formular los modelos de este tipo, se explorará la naturaleza general de los modelos y,
en particular, la de los modelos matemáticos.
10
valores de las variables de decisión, casi siempre en forma de ecuaciones o desigualdades y reciben
el nombre de restricciones. Las constantes en las restricciones y función objetivo se llaman
parámetros del modelo.
Un modelo siempre debe ser menos complejo que el problema real, es una aproximación abstracta de
la realidad con consideraciones y simplificaciones que hacen más manejable el problema y permiten
evaluar eficientemente las alternativas de solución.
Los modelos matemáticos tienen muchas ventajas sobre una descripción verbal del problema. Una
ventaja obvia es que el modelo matemático describe un problema en forma mucho más concisa. Esto
tiende a hacer que toda la estructura del problema sea más comprensible y ayude a revelar las
relaciones importantes entre causa y efecto. De esta manera, indica con más claridad que datos
adicionales son importantes para el análisis. También facilita simultáneamente el manejo del problema
en su totalidad y el estudio de todas sus interpelaciones. Por último, un modelo matemático forma un
puente para poder emplear técnicas matemáticas y computadoras de alto poder, para analizar el
problema. Sin duda, existe una amplia disponibilidad de paquetes de software para muchos tipos de
modelos matemáticos, para computadoras.
Por otro lado, existen obstáculos que deben evitarse al usar modelos matemáticos. Un modelo es,
necesariamente, una idealización abstracta del problema, por lo que casi siempre se requieren
aproximaciones y suposiciones de simplificación si se quiere que el modelo sea manejable
(susceptible de ser resuelto). Por lo tanto, debe tenerse cuidado de que el modelo sea siempre una
representación válida del problema. El criterio apropiado para juzgar la validez de un modelo es el
hecho de si predice o no con suficiente exactitud los efectos relativos de los diferentes cursos de
acción, para poder tomar una decisión que tenga sentido. En consecuencia, no es necesario incluir
detalles sin importancia o factores que tienen aproximadamente el mismo efecto sobre todas las
opciones. Ni siquiera es necesario que la magnitud absoluta de la medida de efectividad sea
aproximadamente correcta para las diferentes alternativas, siempre que sus valores relativos (es decir,
las diferencias entre sus valores) sean bastante preciso. Entonces, todo lo que se requiere es que
exista una alta correlación entre la predicción del modelo y lo que ocurre en la vida real. Para asegurar
que este requisito se cumpla, es importante hacer un número considerable de pruebas del modelo y
las modificaciones consecuentes. Aunque esta fase de pruebas se haya colocado después en el
orden, gran parte del trabajo de validación del modelo se lleva a cabo durante la etapa de
construcción para que sirva de guía en la obtención del modelo matemático.
11
3. Desarrollo de un procedimiento basado en computadora para derivar una solución al
problema a partir del modelo
Resolver un modelo consiste en encontrar los valores de las variables dependientes, asociadas a las
componentes controlables del sistema con el propósito de optimizar, si es posible, o cuando menos
mejorar la eficiencia o la efectividad del sistema dentro del marco de referencia que fijan los objetivos y
las restricciones del problema.
La selección del método de solución depende de las características del modelo. Los procedimientos
de solución pueden ser clasificados en tres tipos: a) analíticos, que utilizan procesos de deducción
matemática; b) numéricos, que son de carácter inductivo y funcionan en base a operaciones de
prueba y error; c) simulación, que utiliza métodos que imitan o, emulan al sistema real, en base a un
modelo.
Muchos de los procedimientos de solución tienen la característica de ser iterativos, es decir buscan la
solución en base a la repetición de la misma regla analítica hasta llegar a ella, si la hay, o cuando
menos a una aproximación.
El eminente científico de la administración y premio Nobel de Economía, Herbert Simon, introdujo
el concepto de que en la práctica es mucho más frecuente satisfizar que optimizar. Como una
combinación de satisfacer y optimizar, Simon describe la tendencia de los administradores a
buscar una solución que sea “lo suficientemente buena” para el problema que se tiene. En lugar de
intentar desarrollar una medida global de eficiencia para conciliar de manera óptima los conflictos
entre los diferentes objetivos deseables se puede usar un enfoque más pragmático. Las metas se
pueden establecer de manera que marquen los niveles mínimos satisfactorios de eficiencia en las
distintas áreas, basándose quizá en niveles de desempeño anteriores o en los logros de la
competencia. Si se encuentra una solución que permita que todas estas metas se cumplan, es
posible que se adopte sin más requisitos. Ésta es la naturaleza de satisfazar.
12
De manera similar, es inevitable que la primera versión de un modelo matemático grande tenga
muchas fallas. Sin duda, algunos factores o interpelaciones relevantes no se incorporaron al modelo y
algunos parámetros no se estimaron correctamente. Esto no se puede eludir dada la dificultad de la
comunicación y la compresión de todos los aspectos y sutilezas de un problema operacional complejo,
así como la dificultad de recolectar datos confiables. Por lo tanto, antes de usar el modelo debe
probarse exhaustivamente para intentar identificar y corregir todas las fallas que se pueda. Con el
tiempo, después de una larga serie de modelos mejorados, el equipo de IO concluye que el modelo
actual produce resultados razonablemente válidos. Aunque sin duda quedarán algunos problemas
menores ocultos en el modelo (y quizá nunca se detecten), las fallas importantes se habrán eliminado
de manera que ahora es confiable usar el modelo. Este proceso de prueba y mejoramiento de un
modelo para incrementar su validez se conoce como validación del modelo.
Debido a que el equipo de IO puede pasar meses desarrollando todas las piezas detalladas del
modelo, es sencillo "no ver el bosque por buscar los árboles". Entonces, después de completar los
detalles ("los árboles") de la versión inicial del modelo, una buena manera de comenzar las pruebas es
observarlo en forma global ("el bosque") para verificar los errores u omisiones obvias. El grupo que
hace esta revisión debe, de preferencia, incluir por lo menos a una persona que no haya participado
en la formulación. Al examinar de nuevo la formulación del problema y comprarla con el modelo
pueden descubrirse este tipo de errores. También es útil asegurarse de que todas las expresiones
matemáticas sean consistentes en las dimensiones de las unidades que emplean. Además, puede
obtenerse un mejor conocimiento de la validez del modelo variando los valores de los parámetros de
entrada y/o de las variables de decisión, y comprobando que los resultados del modelo se comporten
de una manera factible. Con frecuencia, esto es especialmente revelador cuando se asignan a los
parámetros o a las variables valores extremos cercanos a su máximo o a su mínimo.
Un enfoque más sistemático para la prueba del modelo es emplear una prueba retrospectiva. Cuando
es aplicable, esta prueba utiliza datos históricos y reconstruye el pasado para determinar si el modelo
y la solución resultante hubieran tenido un buen desempeño, de haberse usado. La comparación de la
efectividad de este desempeño hipotético con lo que en realidad ocurrió, indica si el uso del modelo
tiende a dar mejoras significativas sobre la práctica actual. Puede también indicar áreas en las que el
modelo tiene fallas y requiere modificaciones. Lo que es más, el emplear las alternativas de solución y
estimar sus desempeños históricos hipotéticos, se pueden reunir evidencias en cuanto a lo bien que el
modelo predice los efectos relativos de los diferentes cursos de acción.
Cuando se determina que el modelo y la solución no son válidos, es necesario iniciar nuevamente el
proceso revisando cada una de las fases de la metodología de la investigación de operaciones.
13
5. Preparación para la aplicación del modelo prescito por la administración
Si el modelo ha de usarse varias veces, el siguiente paso es instalar un sistema bien documentado
para aplicar el modelo según lo establecido por la administración.
Este sistema casi siempre está diseñado por computadora. De hecho, con frecuencias se necesita
un número considerable de programas integrados.
6. Puesta en marcha
El paso final se inicia con el proceso de "vender" los hallazgos que se hicieron a lo largo del proceso a
los ejecutivos o tomadores de decisiones. Una vez superado éste obstáculo, se debe traducir la
solución encontrada a instrucciones y operaciones comprensibles para los individuos que intervienen
en la operación y administración del sistema. La etapa de implantación de una solución se simplifica
en gran medida cuando se ha propiciado la participación de todos los involucrados en el problema en
cada fase de la metodología. Preparación para la aplicación del modelo
Esta etapa es crítica, ya que es aquí, y sólo aquí, donde se cosecharán los beneficios del estudio. Por
lo tanto, es importante que el equipo de IO participe, tanto para asegurar que las soluciones del
modelo se traduzcan con exactitud a un procedimiento operativo, como para corregir cualquier defecto
en la solución que salga a la luz en este momento.
El éxito de la puesta en práctica depende en gran parte del apoyo que proporcionen tanto la alta
administración como la gerencia operativa. Es más probable que el equipo de IO obtenga este apoyo
si ha mantenido a la administración bien informada y ha fomentado la guía de la gerencia durante el
estudio. La buena comunicación ayuda a asegurar que el estudio logre lo que la administración quiere
y por lo tanto merezca llevarse a la práctica. También proporciona a la administración el sentimiento de
que el estudio es suyo y esto facilita el apoyo para la implantación.
14
5.1.4. Programación lineal
Muchas personas clasifican el desarrollo de la programación lineal entre los avances científicos más
importantes de mediados del siglo XX, su impacto desde 1950 ha sido extraordinario. En la actualidad
es una herramienta de uso normal que ha ahorrado miles o millones de pesos a muchas compañías o
negocios, incluyendo empresas medianas en los distintos países industrializados del mundo; su
aplicación a otros sectores de la sociedad se está ampliando con rapidez. Una proporción muy grande
de los cálculos científicos en computadoras está dedicada al uso de la programación lineal.
¿Cuál es la naturaleza de esta notable herramienta y qué tipos de problemas puede manejar. El tipo
más común de aplicación abarca el problema general de asignar recursos limitados entre actividades
competitivas de la mejor manera posible (es decir, en forma óptima). Con más precisión, este
problema incluye elegir el nivel de ciertas actividades que compiten por recursos escasos necesarios
para realizarlas. Después, los niveles de actividad elegidos dictan la cantidad de cada recurso que
consumirá cada una de ellas. La variedad de situaciones a las que se puede aplicar esta descripción
es sin duda muy grande, y va desde la asignación de instalaciones de producción a los productos,
hasta la asignación de los recursos nacionales a las necesidades de un país; desde la selección de
una cartera de inversiones, hasta la selección de los patrones de envío; desde la planeación agrícola,
hasta el diseño de una terapia de radiación, etc. No obstante, el ingrediente común de todas estas
situaciones es la necesidad de asignar recursos a las actividades eligiendo los niveles de las mismas.
La programación lineal utiliza un modelo matemático para describir el problema. El adjetivo lineal
significa que todas las funciones matemáticas del modelo deber ser funciones lineales. En este caso,
las palabra programación no se refiere a programación en computadoras; en esencia es un sinónimo
de planeación. Así, la programación lineal trata la planeación de las actividades para obtener un
resultado óptimo, esto es, el resultado que mejor alcance la meta especificada (según el modelo
matemático) entre todas las alternativas de solución.
Modelo de programación lineal: los términos clave son recursos y actividades, en donde m denota el
número de distintos tipos de recursos que se pueden usar y n denota el número de actividades bajo
15
consideración. Algunos ejemplos de recursos son dinero y tipos especiales de maquinaria, equipo,
vehículos y personal. Los ejemplos de actividades incluyen inversión en proyectos específicos,
publicidad en un medio determinado y el envío de bienes de cierta fuente a cierto destino. En cualquier
aplicación de programación lineal, puede ser que todas las actividades sean de un tipo general (como
cualquiera de los ejemplos), y entonces cada una correspondería en forma individual a las alternativas
específicas dentro de esta categoría general.
El tipo más usual de aplicación de programación lineal involucra la asignación de recursos a ciertas
actividades. La cantidad disponible de cada recurso está limitada, de forma que deben asignarse con
todo cuidado. La determinación de esta asignación incluye elegir los niveles de las actividades que
lograrán el mejor valor posible de la medida global de efectividad.
Ciertos símbolos se usan de manera convencional para denotar las distintas componentes de un
modelo de programación lineal. Estos símbolos se enumeran a continuación, junto con su
interpretación para el problema general de asignación de recursos a actividades.
El modelo establece el problema en términos de tomar decisiones sobre los niveles de las actividades,
por lo que x1,x2,....,xn se llaman variables de decisión. Los valores de cj, bi y aij (para i = 1,2,....,m y j =
1,2,....,n) son las constantes de entrada al modelo. Las cj, bi y aij también se conocen como
parámetros del modelo.
Ahora se puede formular al modelo matemático para este problema general de asignación de recursos
a actividades. En Datos necesarios para un modelo de programación lineal que maneja la asignación
de recursos a actividades particular, este modelo consiste en elegir valores de x1,x2,....,xn para:
16
X1 ≥ 0, X2 ≥ 0, ..., Xn ≥ 0.
Programación lineal utiliza un modelo matemático para describir el problema. El adjetivo lineal
significa que todas las funciones matemáticas del modelo deben ser funcionales lineales. La
palabra programación no se refiere a programación en computadoras; en esencia es un sinónimo
de planeación. La programación lineal trata la planeación de las actividades para obtener un
resultado óptimo, esto es, el resultado que mejor alcance la meta especifica entre todas las
alternativas de solución.
El método simplex es un procedimiento iterativo que progresivamente permite obtener una solución
óptima para los problemas de programación lineal. Existen numerosos programas en
computadoras para la solución del mismo. (Monks Joseph, 1980)
6. HIPÓTESIS DE LA INVESTIGACIÓN
17
7. UNIVERSO DE ESTUDIO
En la Universidad Autónoma Benito Juárez de Oaxaca cuenta con la división de estudios
de posgrado con Maestría en Administración que actualmente se encuentran con
desconocimiento de las practicas de modelos matemáticos para la resolución de
problemas por medio del estudio de la investigación de operaciones.
9. PROCEDIMIENTO
Dicha empresa se constituyo desde hace más de 30 años en México, ofreciendo tecnología en
enfriadores.
18
seminuevas que permiten ofrecer enfriadores de calidad. En la parte de instalaciones, Imbera
ofrece dos servicios: retiros e instalaciones de enfriadores en cada punto de venta.
IMBERA en el estado de Oaxaca específicamente ofrece el servicio de ensamble e instalación de
enfriadores a 72 rutas de preventa de la empresa Coca Cola FEMSA, debido a que las ventas se
han reducido en un solo día de la semana, la gerencia de servicios Imbera ha decidido reorganizar
el programa de instalación del día lunes para maximizar los utilidad neta de cada tipo de producto
optimizando los costos de cada movimiento generado de sus dos tipos de enfriadores en las dos
rutas de la zona centro de Oaxaca.
Tipo de movimiento
Producto Instalaciones Retiros Disponen
Enfriador 1 7 4 12 hrs
Enfriador 2 12 hrs
4 7
Utilidad $/uds
4400 3300
Donde
Sujeto a: 7 X1 + 4 X2 ≤ 12
4 X1 + 7 X2 ≤ 12
19
9.4 Análisis de los resultados
La presentación de los resultados del problema planteado de IMBERA arrojó que del tipo de
enfriador 2 tiene un comportamiento con resultados a la baja respecto al equipo 1, con ello, se
reconocen aspectos importantes:
• Los enfriadores tipo fondero los días lunes ofrecen mayor retribución en ventas por el
mayor número de instalaciones en la ruta
• Proponer que en cada servicio de instalaciones, un indicador neto de movimientos, donde
las instalaciones sean siempre mayor que los retiros en cada ruta.
• Analizar los motivos de retiros: cierre del punto de venta, descompostura, cambio de
equipo nuevo, cambio de proveedor.
• Validar un estudio de servicio, en cuanto a la calidad de los enfriadores. Pues el indicador
de retiros en el enfriador tipo seccionado quizá este presentando una avería en su
funcionamiento. Con ello, se debe planear un plan de trabajo para visita con el cliente Coca
Cola FEMSA y los clientes directos, en este caso los puntos de ventas.
Obvio: algo que se cree que se da, pero nadie lo hace, se da por hecho. Es lo que se tiene
presente al momento de reflexionar el uso práctico de un modelo. Es tan evidente que resultó difícil
formular algo que puede ser un problema y se vive semanalmente y es poco analizado.
En lo particular, tuve muchas interrogantes al poder observar y ver el problema, pero con la
impotencia de estructurarlo, me decidí a ser muy específica en un solo día de dos rutas de esta
20
empresa donde laboró actualmente. Y quedé sorprendida de cómo se puede formular modelos.
Espero que mi modelo este correctamente planteado, pues es muy bien cierto que soy neófita en el
tema.
Esto me sirve para poder planear actividades y proponer a las áreas la realización del mismo. Pues
al hacerlo tan evidente, dejamos de ver los problemas, entrando a un circulo vicioso. Con este
ejercicio despierta mis ganas de hacer planes de trabajo con solo llevar a cabo estos métodos.
10 CONCLUSIONES
Administración.
21
11 ANEXOS
Una compañía produce dos tipos de artículos, mediante un proceso que se compone de dos
actividades. Los datos importantes del proceso se dan en la tabla:
Unidades
Mesa Silla
Actividad Capacidad
(horas hombre)
Corte 3 2 30
Ensamble 2 3 30
Utilidad neta
($/unidad) 40 30
F.O
Maximizar: Z = 40 X1 + 30 X2
Sujeto a:
3 X1 + 2 X2 ≤ 30 Corte
2 X1 + 3 X2 ≤ 30 Ensamble
Sujeta a:
3X1 + 2X2 + S1 = 30
2X1 + 3X2 + S2 = 30
Si seleccionamos como variables básicas a las variables de holgura (S1, S2), las no básicas serán
entonces las variables originales (X1,X2).
22
3X1 + 2X2 + S1+0S2 = 30
2X1 + 3X2 0S1 + S2 = 30
, (2) 3X1+2X2=30
, (-3) 2X1+3X2=30
6X1+4X2=60
,6X1-9X2=-90
,0 -5X2=-30
X2=-30/-5
X2=6
3X1+2(6)=30
3X1+12=30
X1=18/3
X1=6
23
Por QSB
Una compañía fabrica ates, dulces regionales. Cuenta con una demanda de celofán según el
tamaño de los productos que ofrece en el mercado nacional e internacional. El departamento de
ventas solicita al área de empaquetado minimice los altos índices de desperdicio. Hallar el modelo
matemático.
110 cm
24
Tamaños de corte
Cortes posibles 20 25 30 Desperdicio
X1 1 5 - - 10
X2 2 4 - 1 0
X3 3 3 2 0
X4 4 2 - 2 10
X5 5 1 - 3 0
X6 6 - 4 10
X7 7 - 3 1 5
X8 8 - 2 2 0
X9 9 1 2 1 10
X10 10 4 1 - 5
X11 11 1 1 2 5
X12 12 2 1 1 15
S.a
Xi≥0
25
Por programa QSB
25 1000x2=2000
30 1000x2=2000
20 546x4=2184
30 546x1=546
20 818x1=818
30 818x3=2454
20 2184+818=3002
25 2000
30 2000+546+2454=5000
como se aprecia si se cumple la restricción
26
12 BIBLIOGRAFÍA CONSULTADA
Thierauf J. Robert (2001) Toma de decisiones por medio de IO, editorial Limusa
27