INTRODUCCIÓN.

INTRODUCCIÓN

La búsqueda de la mejor solución para una variedad de problemas ha

divertido e intrigado al hombre a través de las épocas.
La investigación de operaciones se entiende que es la aplicación de
un método
científico para resolver problemas dentro de una organización que
permita a la
misma, tomar las decisiones correctas o acertadas para tener las
soluciones quemás convengan o favorezcan a la organización,
además de mejorar la coordinación entre las múltiples áreas de la
organización y mejorar el control de sistemas, hoy por hoy es
indispensable que una organización cuente con esta área.
A continuación, dentro de este ensayo se presenta el desarrollo de la
investigación de operaciones y eventualmente; su aplicación en la
ingeniería civil.
 DESARROLLO

Las primeras actividades formales en la historia de la investigación de

operaciones se dieron en Inglaterra en la Segunda Guerra Mundial,
cuando se encarga a un grupo de científicos ingleses el diseño de
herramientas cuantitativas para el apoyo a la toma de decisiones
acerca de la mejor utilización de materiales bélicos. Una vez terminada
la guerra las ideas utilizadas con fines bélicos fueron adaptadas para
mejorar la eficiencia y la productividad del sector civil.
Desde la década de 1950, se había introducido el uso de la
Investigación de Operaciones en la industria, los negocios y el
gobierno, desde entonces, esta disciplina se ha desarrollado con
rapidez.
Muchas de las herramientas utilizadas en la Investigación de
Operaciones como
la Programación Lineal, la Programación Dinámica, Líneas de Espera
y Teoría de Inventarios fueron desarrollados al final de los años 50. Un
segundo factor importante para el desarrollo de este campo fue el
advenimiento de la revolución de las computadoras. Para manejar los
complejos problemas relacionados con esta disciplina, generalmente
se requiere un gran número de cálculos que llevarlos a cabo a mano
es casi imposible. Por lo tanto, el desarrollo de la computadora digital
fue una gran ayuda para la Investigación de Operaciones.
La Investigación de Operaciones aspira a determinar el mejor curso de
acción, o curso óptimo, de un problema de decisión con la restricción
de recursos limitados.
Como técnica para la resolución de problemas, investigación de
operaciones debe visualizarse como una ciencia y como un arte.
La Investigación de Operaciones usa el método científico para
investigar el problema en cuestión. En particular, el proceso comienza
por la observación cuidadosa y la formulación del problema incluyendo
la recolección de datos pertinentes, adopta un punto de vista
organizacional, es necesario emplear el enfoque de equipo. Este
equipo debe incluir personal con antecedentes firmes en matemáticas,
estadísticas y teoría de probabilidades, economía, administración de
empresas ciencias de la computación, ingeniería, etc.
 APLICACIÓN EN INGENIERIA CIVIL.

Se aplican en ingeniería civil para que se dé un aprovechamiento

óptimo de los recursos en las obras, para determinar la opción más
viable al escoger un proyecto de entre muchos tratando de que se
logre un aprovechamiento máximo y con el mínimo de errores o
perdidas para esto es necesario hacer un estudio de las operaciones
para aprovechar al máximo algunos de los recursos más valiosos en la
ingeniería civil como son, el tiempo, la economía, la calidad,
durabilidad. Igualmente, la investigación de operaciones ha logrado
desarrollar programas y softwares de computadora para hacer
simulaciones de proyectos, también para que los programas hagan los
cálculos apropiados y que aprovechen al máximo los recursos. Unos
programas son: CivilCAD, AutoCAD, Matlab etc.
Estos programas apoyan para el diseño y elaboración de proyectos de
topografía, geología, lo que hace que se pueda escoger el mejor
proyecto que se logre un aprovechamiento máximo y con el mínimo de
errores o pérdidas. Este programa es para desarrollar y solucionar
problemas matemáticos de una manera más ágil y con menos errores
posibles. Con el uso de todas las tecnologías y software que existen
en la actualidad todos los trabajos relacionados con la Ingeniería Civil,
como son la Topografía, Geología, y problemas matemáticos como
estática, dinámica, etc. Se pueden realizar de manera más rápida de
tal forma que se minimizan los recursos de tiempo, la economía, la
calidad, durabilidad que muy importantes en esta carrera y con los que
se cometen los mínimos errores.
También es una manera en la que se puede analizar el problema
(experimentar) y tomar la decisión sobre cuál es la solución más
viable.
 CONCLUSIÓN.

La IO es el procedimiento científico que está auxiliado por modelos y

técnicas matemáticas, servible para diseñar y operar a los problemas
complejos de la dirección y administración de grandes sistemas que
forman una organización compleja en las cuales las decisiones son
muy importantes y difíciles de elegir, ya que la eficacia de una decisión
sobre guardará la supervivencia y desarrollo de ésta, al contrario,
estaría en camino hacia el fracaso. La investigación de operaciones
representa un apoyo para la toma de decisiones, es un apoyo para la
asignación óptima de los recursos para una actividad, evalúa el
rendimiento de un sistema con objeto de mejorarlo, obtiene
información cuantitativa y ayuda a mejorar procesos tradicionales, así
como conocer algunas de las limitaciones en los modelos.

BIBLIOGRAFIA

BIBLIOGRAFÍA.
 BIBLIOGRAFIA
 RAMIREZ, V. A. (2012).
Desarrollo histórico de la investigación de operaciones • gestiopolis
 SUÁREZ, H. G. (2022)

INTRODUCCION
La programación lineal es una herramienta valiosa en la toma de decisiones
empresariales, ya que permite encontrar soluciones óptimas a problemas
complejos con múltiples variables.

A medida que las empresas buscan ser más eficientes y competitivas en un

mercado globalizado, la programación lineal se ha convertido en una técnica
esencial en la gestión organizacional.

La programación lineal es una técnica matemática que se utiliza para optimizar el

rendimiento o la eficiencia de un sistema. Esta técnica es ampliamente utilizada en
el mundo empresarial para resolver problemas de planificación, asignación de
recursos y toma de decisiones.

En un problema de programación lineal, se busca encontrar el valor máximo o

mínimo de una función objetivo, como por ejemplo maximizar las ganancias de
una empresa o minimizar los costos de producción de un producto. La función
objetivo se encuentra sujeta a restricciones que deben cumplirse, como por
ejemplo el presupuesto disponible para la empresa o la cantidad de recursos
disponibles para la producción del producto.
 DESARROLLO

La programación lineal se utiliza en una amplia variedad de campos, como la

economía, la ingeniería, la gestión de operaciones y la planificación de recursos
empresariales.

Por ejemplo, puede utilizarse para optimizar la asignación de recursos en una

empresa, para planificar la producción de bienes y servicios, para maximizar la
eficiencia en la asignación de rutas de transporte o para optimizar la distribución
de productos en un mercado.

Importancia de la programación en línea

La programación lineal es importante porque permite tomar decisiones objetivas,
optimizar procesos y recursos, aumentar la eficiencia y encontrar soluciones
innovadoras.

Estas son algunas de las razones por la que debes de considerar el uso de la
programación en línea:

1. Toma de decisiones: La programación lineal permite tomar decisiones

basadas en datos y de manera objetiva. Esto se debe a que se utilizan
modelos matemáticos que representan de manera clara la situación a
resolver y permiten encontrar la mejor solución posible.
2. Optimización: La programación lineal se utiliza para optimizar procesos y
recursos en una gran variedad de campos, como la producción, la
distribución, la planificación y la gestión de proyectos. Al encontrar la
solución óptima, se pueden maximizar las ganancias o minimizar los costos.
3. Eficiencia: La programación lineal permite hacer un uso más eficiente de
los recursos, ya que permite planificar y asignar los recursos de manera
óptima. Esto permite reducir los costos y aumentar la eficiencia de los
procesos.
4. Innovación: La programación lineal permite resolver problemas complejos
y encontrar soluciones innovadoras. Esto es especialmente importante en
campos como la ingeniería, la ciencia y la tecnología, donde se requiere de
soluciones innovadoras para avanzar.

¿Cuáles son los métodos de programación lineal?

Los problemas de programación lineal se pueden resolver utilizando técnicas
como el método simplex o el método de los multiplicadores de Lagrange. Estas
técnicas permiten encontrar la solución óptima del problema de forma eficiente.
Conozcamos más de los métodos para resolver problemas de programación lineal:
Método gráfico
Este método es útil cuando se trabaja con problemas de programación lineal con
sólo dos variables. En este método se grafican las restricciones y la función
objetivo en un plano cartesiano y se busca la intersección de las restricciones para
encontrar la solución óptima.
Método simplex
Este es uno de los métodos más utilizados para resolver problemas de
programación lineal con varias variables. En este método se construye una tabla
que muestra las variables y las restricciones, y se realiza una serie de iteraciones
para encontrar la solución óptima.
Método de los multiplicadores de Lagrange
Este método se utiliza cuando hay restricciones en forma de igualdad en el
problema de programación lineal. En este método se construye una función
Lagrangiana y se utilizan los multiplicadores de Lagrange para encontrar la
solución óptima.
Método de las regiones factibles
Este método se utiliza cuando hay restricciones en forma de desigualdad en el
problema de programación lineal. En este método se divide el espacio de variables
en varias regiones factibles, y se prueba cada una de ellas para encontrar la
solución óptima.
¿Cuáles son los pasos para hacer una programación lineal?
A continuación, te muestro los pasos generales para hacer una programación
lineal:
Definir el problema: El primer paso es definir el problema que se desea resolver.
Es importante identificar claramente cuál es el objetivo y qué restricciones se
deben cumplir.
Identificar las variables: Las variables son las incógnitas que se desean
encontrar en el problema. Es importante identificar cuáles son las variables
relevantes para el problema y asignarles un nombre.
Formular la función objetivo: La función objetivo es una ecuación matemática
que representa el objetivo del problema, ya sea maximizar o minimizar algún valor.
La función objetivo debe estar en términos de las variables identificadas y debe
ser lineal.
Establecer las restricciones: Las restricciones son las limitaciones que se deben
cumplir para resolver el problema. Estas restricciones deben estar en términos de
las variables identificadas y deben ser lineales. Además, las restricciones deben
estar en forma de desigualdades o igualdades.
Representar el problema en forma de sistema de ecuaciones lineales: Una
vez que se ha definido la función objetivo y las restricciones, se pueden
representar en forma de un sistema de ecuaciones lineales.
Resolver el sistema de ecuaciones lineales: Existen diversos métodos para
resolver sistemas de ecuaciones lineales, uno de los más comunes es el método
simplex. Este método permite encontrar la solución óptima que cumpla con las
restricciones y optimice la función objetivo.
Interpretar la solución: Una vez que se ha encontrado la solución óptima, es
importante interpretarla para tomar decisiones informadas y evaluar la eficacia del
modelo. Es posible que sea necesario ajustar el modelo y volver a resolverlo si los
resultados no cumplen con los objetivos esperados.
Estos son los pasos generales para hacer una programación lineal. Cada
problema es único y puede requerir adaptaciones específicas, pero estos pasos
proporcionan una guía general para la resolución de problemas mediante
programación lineal.
Ejemplo de una programación lineal
Aquí te muestro un ejemplo sencillo de un problema de programación lineal:
Supongamos que un agricultor tiene 100 acres de tierra para sembrar trigo y
cebada. El costo de sembrar trigo es de $20 por acre y el costo de sembrar
cebada es de $10 por acre. El agricultor quiere maximizar sus ganancias y sabe
que el trigo produce una ganancia de $50 por acre, mientras que la cebada
produce una ganancia de $30 por acre. Además, el agricultor sabe que sólo puede
sembrar 75 acres de trigo debido a restricciones de riego. ¿Cuántos acres debe
sembrar de trigo y de cebada para maximizar sus ganancias?
Para resolver este problema de programación lineal, podemos utilizar el método
simplex. Primero, debemos formular la función objetivo y las restricciones:
Función objetivo: Maximizar las ganancias = 50x + 30y (donde “x” es la cantidad
de acres de trigo y “y” es la cantidad de acres de cebada)
Restricciones:
Restricción de tierra: x + y ≤ 100
Restricción de costo: 20x + 10y ≤ C (donde C es el presupuesto disponible)
Restricción de riego: x ≤ 75
A continuación, construimos una tabla simplex para resolver el problema:

x y RHS

Z 50 30 0

En la primera fila de la tabla, colocamos los coeficientes de la función objetivo. En

la primera columna, colocamos las restricciones y en las demás columnas,
colocamos los coeficientes de cada variable en cada restricción. El RHS (right-
hand-side) es el valor de cada restricción.
A continuación, convertimos las restricciones en ecuaciones y resolvemos para
obtener los valores de “x” y “y”:
Restricción de tierra: x + y = 100
Restricción de costo: 20x + 10y = C
Restricción de riego: x = 75
Podemos simplificar la tabla reemplazando las restricciones en términos de x:

R
x y H
S
 5 3
Z0 0 0

1
1 1 0
0

2 1
C
0 0

7
1 0
5

A continuación, utilizamos el método simplex para encontrar la solución óptima.

Después de algunas iteraciones, encontramos que la solución óptima es sembrar
75 acres de trigo y 25 acres de cebada, lo que maximiza las ganancias del
agricultor a $3,750.
Este es un ejemplo sencillo de cómo se puede resolver un problema de
programación lineal utilizando el método simplex para maximizar las ganancias de
un agricultor al sembrar trigo y cebada en su tierra
 CONCLUSION

En resumen, la programación lineal es una herramienta matemática poderosa que

permite resolver problemas de optimización en una amplia variedad de campos, y
que se utiliza para maximizar o minimizar una función lineal sujeta a ciertas
restricciones.

La programación lineal requiere de datos precisos y fiables para funcionar

correctamente. Por lo tanto, es fundamental contar con sistemas adecuados para
la recopilación y análisis de datos relevantes y precisos, que permitan tomar
decisiones informadas y precisas. Además, la programación lineal se puede
utilizar para analizar grandes conjuntos de datos y encontrar patrones y
tendencias que no son evidentes a simple vista, lo que puede ser de gran utilidad
en la toma de decisiones estratégicas.
 INTRODUCCION

El término “Problema del Transporte” está ligado a la literatura de Investigación de

Operaciones como una aplicación exitosa para resolver el problema de distribuir
carga de la manera más económica desde los orígenes donde ésta se encuentra
hasta los destinos donde es requerida, dados los costos de transporte desde cada
origen hasta cada destino.
Aunque este problema es uno de los modelos comúnmente discutidos en las
aplicaciones de la Investigación de Operaciones, probablemente el trabajo más
antiguo conocido de este modelo se debe a G. Monge, matemático francés del
siglo XVIII (Schrjiver, 1986). De acuerdo a Appell (1928), Monge publicó en
1781 Le Problème Géométrique des Déblais et Remblais (El Problema Geométrico
del Movimiento y Relleno de Tierras) en las memorias de la Academia Francesa
de Ciencias. Aunque Monge estaba interesado básicamente en geometría,
propone el problema de minimizar el costo total de mover tierra desde varios
orígenes para rellenar en varios destinos como sigue:
“Dados dos volúmenes equivalentes, descomponerlos en partículas infinitamente
pequeñas, correspondiéndose uno-a-uno, de modo tal que la suma de los
productos de los recorridos hechos para llevar cada partícula sobre su contraparte,
por el volumen de la parte movida, sea un mínimo.
Como lo describe Taton (1951), el interés de Monge en problemas de movimiento
de tierras tuvo que ver con su disposición a resolver problemas de ingeniería
militar relativos a la construcción de fuertes. Su percepción de los costos
implicados en la tarea, es una cruda aproximación al costeo por tonelada-kilómetro
que se usa en nuestros días:
“El precio del transporte de una molécula dada, manteniendo todo lo demás igual,
es proporcional a su peso y a la distancia que recorre, de modo que el precio total
del transporte es la suma de los productos de la moléculas multiplicadas cada una
por la distancia recorrida.”
 DESARROLLO
Si bien Monge usa un lenguaje geométrico discutiendo puntos, líneas y partículas
infinitamente pequeñas, el problema que plantea corresponde al Problema del
Transporte, en el cual hay N orígenes con cantidades conocidas de un cierto
producto disponible, M destinos con demandas conocidas del producto y todos los
costos de transporte para cada par origen-destino son conocidos.
La Figura 1 ilustra el problema con dos orígenes y tres destinos, con el objetivo de
encontrar el plan de costo mínimo para distribuir los productos en los orígenes y
satisfacer las demandas en los destinos.

Un ejemplo del problema del transporte

El problema del transporte resurgió en la década de 1940 dentro de la corriente de
trabajos planteados con el nacimiento de la Investigación de Operaciones como
una disciplina autónoma. El problema fue considerado en 1941 por Hitchcock e
independientemente por Kantorovich en 1942 y por Koopmans en 1947. El modelo
de Hitchcock plantea encontrar el mínimo costo de distribuir un producto desde
varias fábricas a un número dado de ciudades, y desde entonces el modelo es
conocido también como el Problema de Transporte de Hitchcock. En 1951, G.
Dantzig desarrolló la primera solución al problema, utilizando programación lineal
(Arnoff & Segupta, 1961).
A pesar de su simplicidad, el problema del transporte contiene ya algunos de los
elementos básicos que se han utilizado en subsiguientes esfuerzos de modelación
del transporte de carga:
a)Una función objetivo, esto es, el costo total del plan de transporte, que refleja el
objetivo del decisor, así como un criterio mensurable para la transportación
involucrada, es decir, la tonelada-kilómetro (considerando la distancia como
costo).
b) Las restricciones del problema, esto es, las distintas ofertas de productos en los
orígenes y las respectivas demandas en los destinos, y
c) Los parámetros del problema, es decir, los costos para los distintos enlaces
origen-destino que representan las características de la red carretera.
Cabe notar, sin embargo, que el problema del transporte no puede hacer explícita
la topología de la red carretera, ni puede considerar diferencias en los costos
percibidos por los transportistas ni diferencias en las capacidades de los vehículos
que mueven las cargas. Esto ha dado lugar a otros desarrollos en la modelación
del transporte de carga, que buscan hacer modelos más realistas cada vez, como
es el caso del modelo gravitacional para distribución de viajes (Ortúzar &
Willumsen, 1994, pp. 394-395).
La formulación con Programación Lineal
El problema del transporte puede verse como la simplificación del objetivo de
minimizar los costos del transportista que mueve carga desde los orígenes a los
destinos para satisfacer la demanda. El planteamiento del problema de transporte
como un programa lineal, junto con la interpretación dual de éste permite visualizar
un segundo punto de vista del problema, donde el interesado es el embarcador
que intenta satisfacer la demanda en los destinos, tratando de maximizar el
beneficio que le representa la operación.
El planteamiento es como sigue: llamando Xij al flujo de productos del origen i al
destino j ,al costo unitario por tonelada movida, Si a la oferta de producto en el
nodo i , a la demanda de productos en el nodo j, y Z al costo total del plan de
transporte, entonces para el caso con dos orígenes y tres destinos, el programa
lineal es:

Éste es el problema del transportista que busca satisfacer la demanda en los

destinos a un costo total mínimo. Las restricciones del programa representan la
conservación del flujo en los nodos, impidiendo al transportista planear
movimientos de carga mayores a la disponibilidad en los orígenes y obligándolo a
entregar en los destinos al menos la demanda solicitada. Para fines de
presentación, el problema es puesto en la forma canónica de un programa lineal
para minimización (con restricciones):
Así, escribiendo el dual del problema anterior resulta:

Una interpretación económica del problema dual aclara el “segundo punto de

vista” implícito en el problema del transporte original, que corresponde al interés
del embarcador. Llamando U1 y U2 a los precios del producto a los que el
embarcador compra en los orígenes 1 y 2, y V1, V2, V3 al precio del producto que
los consumidores pagan en los destinos 1, 2 y 3 respectivamente, resulta que el
objetivo del programa dual es el del embarcador que compra el producto en los
orígenes y lo vende en los destinos, tratando de maximizar la utilidad de la
operación expresada en la función objetivo dual: (ingreso) - (costo de compra). Las
variables duales Ui y Vj son llamadas usualmente “precios sombra”.
Conforme a la interpretación económica para el problema dual propuesta por
Bazaraa et al, si Z* e la solución óptima del programa primal y la demanda es
ligeramente alterada en los nodos, de modo que la solución óptima no cambie,
entonces las variables duales (precios sombra) satisfacen:

Estas ecuaciones muestran que los precios sombra Ui* and Vj* cambian con la
tasa de cambio del costo óptimo de transporte Z* con respecto a la oferta en los
orígenes o a la demanda en los destinos. Así, por ejemplo, al aumentar una
unidad la demanda D1 en el destino 1, aumenta el costo óptimo Z* por V1*, y éste
sería el precio justo (precio sombra) que los consumidores en el destino 1 tendrían
que pagar para obtener ésa demanda adicional.
Respecto de las restricciones, para un par de origen i y destino j, la restricción
dual:

que se reescribe como:

indica que el precio Vj en el destino j no puede exceder la suma del precio en el

origen i más el costo del transporte involucrado. A esta condición se refiere
Harker como el Equilibrio de Cournot en su discusión sobre los modelos de
equilibrio espacial de precios.
En las propias palabras de Cournot:
“Es evidente que un artículo capaz de ser transportado debe fluir del mercado
donde su valor es menor al mercado donde su valor es más grande, hasta que la
diferencia en valor, de un mercado al otro, no represente más que el costo del
transporte.”
Adicionalmente, resulta de interés que la teoría de dualidad garantiza que en la
solución óptima, tanto el objetivo del problema primal como el del dual tienen el
mismo valor, con lo que tanto el transportista como el embarcador pueden lograr
simultáneamente sus óptimos.
 CONCLUSION
Dentro del enfoque de planeación del transporte usado en la actualidad, el
planteamiento del problema del transporte (representado al transportista) y su
problema dual asociado (representando al embarcador) permite apreciar una
condición comúnmente encontrada en el modelado del transporte de carga: la
existencia de múltiples actores que intervienen en la generación de los flujos de
carga, y que usualmente tienen objetivos distintos, y en ocasiones hasta opuestos.
En el caso del problema del transporte, la solución óptima afortunadamente
satisface tanto al transportista como al embarcador, pero ésta es una situación
que generalmente no ocurre en el transporte de carga. Cuando los distintos
actores en el transporte de carga tienen objetivos que se oponen, la tarea de
modelado exige buscar enfoques adecuados para representar la solución de
conflictos.
Así pues, la modelación del transporte de carga conlleva la dificultad de buscar
técnicas matemáticas para representar adecuadamente a los múltiples actores
que determinan los flujos de carga, y sus distintos objetivos, cuando todos estos
actores tratan de optimizar sus propios criterios de desempeño simultáneamente
aún cuando estos objetivos se contrapongan. Entre los enfoques reportados en la
literatura, técnicas como la Teoría de Juegos, la programación por objetivos o la
programación bi-nivel han mostrado ser perspectivas promisorias para la
modelación del comportamiento del transporte de carga (Moreno, 2004),
aportando de este modo nuevas herramientas analíticas para el planificador del
transporte.

Bibliografía

Appell, P. “Le probléme géométrique des déblais et ramblais”. (in French). Gauthier-Villars. Paris. [online].
Available at:URL:http://gallica.bnf.fr. [Accessed January 2003]. 1928.

Arnoff, E.L. and Sengupta, S.S. Mathematical programming. In: “Progress in Operations Research”. Vol. I.
Edited by Russell L. Ackoff. John Wiley & Sons. USA. 1961.

Bazaraa, M.S., Jarvis, J.J. and Sherali, H.D. “Linear programming and network flows”. John Wiley &
Sons. Singapore. 1990.
 INTRODUCCION
Uno de los mayores desarrollos recientes en Investigación de Operaciones ha sido el rápido
avance tanto en la metodología como en la aplicación de los modelos de optimización de redes.
Los problemas de redes surgen en una gran variedad de situaciones como por ejemplo las
redes de transporte, eléctricas en fin una inmensa lista que predominan en la vida diaria. La
representación de redes se utiliza en áreas tan diversas como producción, distribución,
localización de instalaciones en fin un sinnúmero de áreas. De hecho una representación de
redes nos proporciona un panorama general tan poderoso y una ayuda conceptual para
visualizar las relaciones entre los componentes del sistema que se utiliza casi en todas las
áreas científicas, sociales y económicas.
 DESARROLLO
Las redes de flujo son modelos matemáticos aplicables a situaciones tales como: sistemas de
tuberías (para fluidos como agua, petróleo o gas), redes de cableado eléctrico, sistemas
de carreteras, sistemas de transporte de mercancías, etc.
Los modelos de flujo de red se utilizan en la ingeniería civil para optimizar la
transmisión de datos e información en sistemas de comunicaciones y logística.
Los modelos de flujo de red son representaciones matemáticas que permiten
visualizar de forma abstracta las rutas y flujos de redes de comunicación.
En general, los modelos de redes se utilizan en diversas áreas, como:
 Producción
 Distribución
 Planeación de proyectos
 Localización de instalaciones
 Administración de recursos
 Planeación financiera
En el caso de los sistemas de distribución de agua, la colaboración entre equipos
interdisciplinarios que aplican técnicas algorítmicas ha sido fructífera.
Un modelo de red está formado por nodos (o vértices) y arcos (o ligaduras, aristas
o ramas). Los arcos se etiquetan con los nombres de los nodos en sus puntos
terminales.
Algunos ejemplos de la aplicación de los modelos de redes son:
 Diseño de una red de tuberías de gas natural de transporte o distribución
que tienen que ver con él envió de gas entre fuentes y destinos a costos de
transporte mínimos, el objetivo es de minimizar el costo de construcción del
ducto
 Determinación de la ruta más corta que une dos ciudades en una red de
caminos existente
 Determinación de la capacidad anual máxima en toneladas de una red de
conductos de agua que enlazan diferentes ciudades
 Determinación del programa de flujo de costo mínimo de los campos
petrolíferos a refinerías y finalmente a centros de distribución tomando en
cuenta la disponibilidad de la oferta máxima y los requisitos de demanda
mínima en los centros de distribución
Tipos de redes a estudiar:
 Modelo de árbol de extensión mínima
 Modelo de ruta más corta
 Modelo de flujo máximo
  Definiciones de red
Capacidad de rama
Es el flujo máximo que puede admitir una rama, este puede ser finito o infinito.
Rama dirigida
Si la rama permite un flujo positivo en una dirección y cero en dirección opuesta.
Red dirigida se llama así a una red que tiene todas sus ramas dirigidas.
Trayectoria
Se dice de ramas distintas que conectan los nodos sin considerar la orientación de
las ramas individuales.
Lazos
Es una trayectoria que conecta al nodo consigo mismo.
Lazo dirigido
Es un lazo donde todas las ramas tienen la misma dirección.
Red conectada
Es una red donde cada dos nodos están conectados por una trayectoria.
Árbol
Es una red conectada que puede constar solo de un subconjunto de nodos.
Modelo de árbol de extensión mínima
Consideremos una red de caminos pavimentados para conectar un cierto número
de poblaciones rurales debido a las limitaciones en presupuesto el número de
kilómetros de camino por construirse debe ser el mínimo absoluto que permita la
conexión directa o indirecta del tráfico entre las diferentes poblaciones. Esto se
lograra con el árbol de extensión mínima que determinara el árbol extenso que
proporciones la suma mínima de ramas conectoras. Encontrará las conexiones
más eficientes entre todos los nodos de la red los cuales por definición no deben
incluir ningún lazo.
Modelo de ruta más corta
El problema de ruta más corta tiene que ver con la determinación de las ramas
conectadas a una red de transporte que constituyen en conjunto la distancia más
corta entre fuente y destino.

Modelo de flujo máximo

El problema de flujo máximo considera la situación cuando se alzan un nodo
fuente y un nodo destino a través de una red de ramas o arcos de capacidad finita.
Una rama i, j puede tener dos capacidades distintas dependiendo si el flujo es de i
a j o bien de j a i. Por ejemplo si la red trata con el flujo de tránsito en las calles de
una ciudad, una calle de un solo sentido tendrá una capacidad positiva en una
dirección y una capacidad cero en la otra. Por otra parte una calle de dos sentidos
puede tener capacidades diferentes en las direcciones opuestas si ambas
direcciones no incluyen el mismo número de carriles de circulación.
 CONCLUSION
Los modelos de optimización de redes constituyen una herramienta muy sencilla
para la encontrar la solución óptima a los problemas de flujo de redes, porque
proporcionan algoritmos fáciles de comprender y aplicar que comparados con el
método simplex disminuyen el número de iteraciones que resuelven el problema.
Si se aplicara el método simplex en un problema de distribución o de redes,
tendríamos muchas variables y restricciones en el modelo y se tendría que utilizar
herramientas computacionales para encontrar la solución óptima de una forma
rápida, ahora con los modelos de redes solo habría que aplicar las iteraciones al
grafo que origina la representación de la red del problema y luego aplicar el
algoritmo que corresponde, que puede ser el algoritmo de la ruta más corta,
algoritmo para encontrar el árbol de expansión mínima, algoritmo de la trayectoria
de aumento o el algoritmo de flujo máximo.
Aunque los problemas de flujo de costo mínimo y el de la ruta más corta pueden
formularse como modelos de programación lineal para luego aplicar el método
simplex, no es conveniente su utilización. Por otro lado, solucionar el problema
utilizando redes mejora la eficiencia de los cálculos.
 INTRODUCCION
El Método del Camino Crítico es una parte de la fase administrativa de
planeación que se encarga de la programación, ejecución y control de un
proyecto que deba realizarse con aprovechamiento óptimo de tiempo y costos
destinados al mismo. No solo se denomina Camino Crítico al sistema total, sino
también se le llama así a la serie de actividades, a partir de la iniciación y hasta
la terminación del proyecto que no tienen posibilidad de variación en su tiempo
de ejecución, ya que si una de ellas retrasara el proyecto total sufrirá el mismo
efecto. También se entiende por camino crítico a la secuencia de actividades
que ocupan el mayor tiempo de ejecución del proyecto y con lo cual definen la
duración total del mismo. El Método del Camina Crítico tiene una variada gama
de aplicaciones dentro de la Administración moderna, además de aquellas
correspondientes a la industria de la construcción de procesos industriales.
Algunos de los proyectos de carácter administrativo financiero o mercadotécnico
que pueden ser desarrollados mediante el Método del Camino Crítico son:
 Lanzamiento de un nuevo producto al mercado.
 Instalación y puesta en marcha de un sistema de Cómputo Electrónico.
 Preparación del presupuesto de una obra civil.
 Realización de Auditorias de Estados Financieros.
Etc.
Prevaleciendo como características de los proyectos el que:
 No sean cíclicos o repetitivos dentro del trabajo cotidiano.
 Se busque realizarlos con el óptimo aprovechamiento de los recursos
financieros, humanos y materiales dentro del tiempo programado.
 DESARROLLO

PASOS PARA ELABORAR UNA RED DE ACTIVIDADES.

En todo proyecto será necesario dividir el Método del Camino Crítico en
dos etapas:
1.- Planeación y Programación
2.- Ejecución y Control
a) Definición y Objetivos del Proyecto. En él se evalúa la factibilidad de éxito del
mismo, si se cuenta con los recursos necesarios, así como la época más viable
para el inicio tomando en cuenta las necesidades de la empresa y sus directivos,
la carga del trabajo en determinadas temporadas, etc.
b) Lista de Actividades a realizar. Es el detalle de las funciones a
ejecutar ya sean físicas o mentales, que integran procesos o fases que
se interrelacionan en el desarrollo de un proyecto.
c) Matrices o tablas de información –Matriz de antecedentes y
secuencias. -esta tabla de información permite interrelacionar las actividades
indicando cuáles deberán ser elaboradas antes o después según la secuencia del
desarrollo del proyecto. Para ser llenada se prepara una hoja con 4 columnas
cuyos encabezados son:
Antecedentes, Actividad Núm., Secuencias y Anotaciones.
–Matriz de tiempos.- Se procede a elaborar la correspondiente a los tiempos
estimados para la realización de cada actividad programada y así obtener la
duración total de un proyecto. Aplicando la fórmula PERT permitirá calcular el
tiempo estándar (te) el cual será usado en el proyecto. Tiempo óptimo (o)
representa el mínimo posible de consumir la actividad. Tiempo Normal (M) es el
que en condiciones normales se necesita para la ejecución de las actividades
programadas. Tiempo pésimo (p) es el máximo necesario para realizar la actividad
si todo saliera mal. Tiempo estándar (te)
te = 0 + 4M + p
6
- Matriz de costos y pendientes.- Se solicita a los responsables del
proyecto que proporcionen el costo expresado en unidades monetarias;
ya con los datos solicitados se calcula la pendiente (m) que es la
relación que guardan el tiempo y el costo.
d) Red o gráfica de actividades (símbolos).
Se llama así a la representación gráfica de la matriz de antecedentes, secuencias
y tiempos, mediante ella es posible mostrar en forma clara y comprensible la
relación, interrelación, secuencias, etc., de las actividades a realizar así como el
camino crítico. Las actividades se representan mediante flechas las cuales indican
el tiempo que se ocupará en su realización.
Estas flechas pueden ser rectas, curvas, quebradas, etc., según las necesidades
en el trazo de la red, ejemplos:

En algunos casos, al trazar la red, es necesario indicar la relación de una

actividad con otro u horas, para lo cual es necesario dibujar flechas que
indiquen dicha relación; este tipo de flechas, al no representar consumo de
tiempo y/o recursos, se dibujan en forma punteada, ejemplos:

A estas actividades se les conoce con los nombres de actividades

ficticias o "ligas".
Todas las ligas se dibujarán de izquierda a derecha (a excepción de aquellas
actividades reales que por ser muy breve su duración se represente con cero de
tiempo y por lo tanto se dibujarán en forma ascendente o descendente), y tanto
al inicio como al término de cada una de ellas es necesario dibujar un pequeño
círculo (o) el cual se denomina como "evento" o "nodo", los que señalarán el
principio o fin de la actividad, ejemplos:

Al evento de iniciación se le conoce como evento "i" y al de la finalización como

evento "j", el evento final de una actividad será el inicial de la actividad
siguiente. De un evento pueden iniciar o terminar varias actividades, ejemplo:
Al dibujar la Red es conveniente evitar:
1) Que dos o más actividades que inicien de un mismo evento terminen,
también, en un mismo evento, ejemplo:

Ya que puede provocar error al interpretarla, por lo que se recomienda

el uso de luna "liga" o actividad ficticia para relacionarlos, ejemplo:

2) No puede iniciar una actividad a la mitad de la otra

Y para evitarlo es necesario dividir en dos la actividad en donde se

origine el problema.

3) No se deben tener al iniciar la red, varios eventos que parten de

actividades distintas sin relacionarlos entre sí, mediante ligas, ejemplo:

4) El mismo cuidado se debe tener al finalizar la red, ejemplo:

Cuando existe alguna actividad con duración de cero, se dibuja así:

Para trazar la red se utiliza, preferentemente, papel cuadriculado
dibujando primero una escala de tiempos que represente la división
utilizada al calcular la matriz (horas, días semanas, meses, etc.)
Es siempre conveniente dibujar la red con lápiz ya que, normalmente, se
cambiarán de lugar algunas actividades para facilitar su construcción.
Para finalizar el dibujo de una red se trazan las ligas a partir de las
actividades hasta el último nodo o evento ya trazado, quedando
totalmente terminada la red del proyecto el cual tendrá una duración a
tiempo estándar (te).
Una vez que la Red de Actividades del proyecto ha sido concluida, se
conoce la duración total del mismo el cual puede ser:
Menor del tiempo previsto.- En este caso se puede decir que la Red de
está terminada y se procede a calcular los costos del proyecto.
Igual del tiempo previsto.- Se procede igual que en el inciso anterior.
Mayor del tiempo previsto.- En este caso obliga a cumplir el tiempo de
algunas actividades, con el objetivo de reducir el tiempo del proyecto
obtenido por el programado por la dirección.
e) Elasticidad y probabilidad de retraso.
La segunda etapa se divide a su vez en:
a) Graficas de control de tiempos y costos
b) Ajustes y Evaluación de resultados
 CONCLUSION
En esencia, un diagrama de red consiste en una serie de gráficos
interconectados a través de los cuales quedan representadas las distintas tareas
de un proyecto, así como las dependencias que hay entre ellas y la ruta que ha de
seguir un proyecto en su ejecución.
En ellos también suele incluirse el plazo de ejecución que hay previsto para cada
tarea. Con ello se obtiene una idea global, a medida que se va avanzando, de si
los plazos se van cumpliendo. Por otra parte, un diagrama de red da la
oportunidad de visualizar la tarea que sigue a la que esté en ejecución en un
momento dado.
En él también puede estar registrado con qué departamentos dentro de la
empresa habrá que interactuar para desarrollar cada paso del proyecto. Así, el
diagrama de red nos permite crear en detalle el cronograma del proyecto.
 INTRODUCCION
La simulación es una herramienta muy potente para la evaluación y el análisis de
los sistemas nuevos y los ya existentes. Permite anticiparse al proceso real,
validarlo y obtener su mejor configuración.
Los continuos cambios y avances en la logística y los sistemas productivos hacen
necesaria la realización de mejoras y la toma de decisiones. La simulación es una
buena herramienta de apoyo para este tipo de acciones.

Basándose en análisis “what if”, la simulación permite reproducir virtualmente los

procesos y estudiar su comportamiento, para analizar el impacto de los posibles
cambios o para comparar diferentes alternativas de diseño sin el alto coste de los
experimentos a escala real.

El objetivo final es conseguir la mejor configuración del proceso con un coste

mínimo, maximizando la eficiencia y la productividad.
 DESARROLLO

Análisis de procesos a través de la simulación dinámica

Las técnicas de simulación sirven para analizar los procesos actuales (mejora y
optimización) y procesos futuros (anticipación de soluciones) con el fin de obtener
el diseño más eficiente con diferentes objetivos:
 Optimización de recursos.
 Validación de la inversión a realizar.
 Identificación de restricciones de proceso.
 Análisis de puntos críticos (cuellos de botella) del proceso
 Evaluación de alternativas de diseño de los procesos.
 Evaluación del diseño de instalaciones para adaptarse a la fabricación
de nuevos modelos.
 Análisis de la capacidad máxima.
 Estimación de la eficiencia / productividad.
 Simulación de condiciones extremas.

Otro de los beneficios adicionales de la simulación es proporcionar una

visualización unificada de los escenarios de funcionamiento, permitiendo el
intercambio de información entre los departamentos de la empresa. El modelo
reproduce los procesos en el ordenador, y proporciona un punto de vista unificado
para la evaluación técnica de los escenarios operacionales, evitando los costes y
esfuerzos que supondría hacerlo con el sistema real.

La simulación puede complementarse con otros sistemas de planificación y

programación para validar y confirmar las planificaciones previstas y ejecutar las
operaciones con la máxima eficiencia.

Ventajas de la simulación de procesos

 Reducción de riesgos. Antes de implantar los cambios en el mundo real,

las organizaciones pueden probarlos virtualmente, minimizando los riesgos
potenciales y las complicaciones imprevistas.
 Rentabilidad. Al identificar las ineficiencias y probar las mejoras en un
entorno simulado, las empresas pueden evitar costosos procesos de
ensayo y error en el mundo real.
 Mayor productividad. La simulación de procesos puede detectar áreas de
infrautilización, allanando el camino para una asignación óptima de
recursos y un aumento de la producción.
 Flexibilidad Las empresas pueden probar fácilmente múltiples escenarios,
lo que permite ajustes rápidos y agilidad en la toma de decisiones.
  Visión predictiva. Más allá de las operaciones actuales, las simulaciones
pueden proporcionar información valiosa sobre cómo podrían responder los
procesos a futuros retos o cambios.

Simulación de procesos en 6 pasos

La simulación de procesos suele constar de los seis pasos siguientes:

1. Mapeo de procesos. Consiste en crear una representación visual del

proceso que incluya todos sus pasos, tareas y puntos de decisión. Esta
representación suele elaborarse utilizando diagramas de flujo o
herramientas informáticas especializadas de BPM.
2. Recogida de datos. Recopilar datos relevantes sobre el proceso que se
simula, como la duración de las tareas, la disponibilidad de recursos y los
costes. Estos datos se utilizan para establecer parámetros de rendimiento
de referencia y para introducir parámetros realistas en el modelo de
simulación.
3. Desarrollo del modelo. Crear un modelo matemático o computacional del
proceso basado en el mapa de procesos y los datos recopilados. Este
modelo debe representar con precisión las relaciones entre tareas, recursos
y puntos de decisión dentro del proceso.
4. Ejecuciones de simulación. Utilice el modelo para simular varios
escenarios, que pueden implicar cambios en la asignación de recursos, la
duración de las tareas o los flujos de procesos. Este paso ayuda a
identificar posibles cuellos de botella, ineficiencias y áreas de mejora.
5. Análisis y optimización. Analice los resultados de la simulación para
identificar tendencias, patrones y oportunidades de mejora. Basándose en
los resultados, ajuste el proceso para optimizar su rendimiento y realice
simulaciones adicionales para validar los cambios propuestos.
6. Aplicación y supervisión. Aplicar el proceso optimizado en el mundo real
y supervisar su funcionamiento para garantizar que se alcanzan los
resultados deseados. El seguimiento continuo permite realizar los ajustes
necesarios, creando un ciclo de mejora continua.

¿Cómo funciona el software de simulación de procesos?

El software de simulación de procesos utiliza algoritmos informáticos y ciencia de

datos para crear un modelo digital de un proceso empresarial. A continuación,
puede predecir cómo reaccionaría el modelo digital en distintos tipos de
escenarios de proceso.
Simulando distintos escenarios, las empresas pueden identificar cuellos de botella
en sus procesos y hacer cambios para reducirlos. Esto puede servir para formar a
los empleados sobre cómo utilizar mejor los sistemas existentes o para rediseñar
nuevos procesos.

Además, la simulación de procesos puede utilizarse para crear un gemelo de

proceso digital de una organización (DTO) que imite a toda una organización
empresarial en el mundo real.

Herramientas de simulación de procesos

Existen varias herramientas populares de simulación de procesos que se adaptan

a distintos sectores y casos de uso. Algunas de estas herramientas están
especializadas en la gestión de procesos empresariales, mientras que otras son
herramientas de simulación más generales que pueden adaptarse a la simulación
de procesos. A continuación se ofrece una lista de algunas herramientas
populares de simulación de procesos:

1. ProcessMaker: Una plataforma BPM sin código fácil de usar que

proporciona capacidades de modelado, simulación y automatización de
procesos. Es compatible con BPMN 2.0 y utiliza la potencia de Gen AI para
convertir cualquier proyecto de simulación de procesos pesados en una
tarea diaria rápida y sencilla.
2. Modelador Bizagi: Software BPM que permite crear, simular y optimizar
procesos de negocio mediante una sencilla interfaz de arrastrar y soltar. Es
compatible con el estándar BPMN 2.0 y ofrece funciones de colaboración
para equipos.
3. Bonita: software BPM de código abierto que ofrece funciones de modelado,
simulación y automatización de procesos. Es compatible con BPMN 2.0 y
ofrece un entorno de desarrollo integrado para diseñar e implantar
aplicaciones personalizadas.
4. ARIS (Arquitectura de Sistemas de Información Integrados): Una completa
suite BPM que ofrece funciones de modelado, simulación y optimización de
procesos, junto con funciones de gobernanza de procesos y gestión de
riesgos. ARIS es compatible con BPMN 2.0 y otras normas del sector.
5. Simul8: herramienta de simulación de uso general que puede emplearse
para simular procesos en diversos sectores, como la fabricación, la sanidad
y la logística. Cuenta con una interfaz de arrastrar y soltar, objetos
personalizables y herramientas de generación de informes integradas.
6. Software de simulación Arena: Herramienta de simulación muy utilizada
para procesos empresariales, especialmente en los sectores de fabricación,
cadena de suministro y servicios. Ofrece una amplia gama de módulos y
plantillas para simular distintos escenarios de procesos.
7. AnyLogic: Un software de simulación multimétodo que admite eventos
discretos, dinámica de sistemas y modelado basado en agentes, lo que lo
convierte en una opción versátil para simular procesos empresariales
complejos. AnyLogic ofrece un amplio conjunto de bibliotecas para
diferentes sectores y aplicaciones.
8. ExtendSim: Una herramienta de simulación de propósito general que
soporta modelado de eventos discretos, continuos y de tasa discreta. Se
utiliza ampliamente en sectores como la fabricación, la sanidad y la
logística, entre otros.
 CONCLUSION

El objetivo de la simulación de procesos es ayudar a las empresas a evaluar el

rendimiento de sus procesos actuales, identificar ineficiencias y cuellos de botella
y probar el impacto de los cambios propuestos antes de implantarlos en el mundo
real. Al simular varios escenarios y analizar sus resultados, las empresas pueden
tomar decisiones basadas en datos para optimizar sus procesos, reducir costes,
minimizar riesgos y mejorar la eficiencia general. La simulación de procesos
permite a las organizaciones experimentar con distintos escenarios en un entorno
controlado y aplicar cambios con mayor confianza y conocimiento de sus posibles
repercusiones.