BARRY RENDER
RALPH M. STAIR, JR.
MICHAEL E. HANNA
Novena edición
RENDER
STAIR JR.
HANNA
Métodos cuantitativos para los negocios
Métodos cuantitativos para los negocios
Visítenos en:
www.pearsoneducacion.net
Esta obra brinda al lector un enfoque práctico y accesible hacia la toma de decisiones. Gracias
al énfasis en la importancia del uso adecuado de los modelos matemáticos en los negocios
actuales, Métodos cuantitativos para los negocios, en su novena edición, ayuda al aprendizaje
de la aplicación del modelo correcto en una situación determinada.
En esta edición destacan:
•
El tratamiento cohesivo de los modelos de decisión: todos los modelos de la teoría de
deci-siones se han combinado en un solo capítulo.
•
Un nuevo capítulo sobre el análisis de regresión: incluye regresión lineal, regresión múltiple
y un breve análisis de la regresión no lineal. Presenta la inferencia estadística del modelo
general. También incluye temas sobre variables fi cticias o indicativas, construcción de
modelos, así como precauciones y errores comunes al utilizar análisis de regresión.
•
La amplia cobertura de los pronósticos incluye el enfoque aditivo a la descomposición.
•
Un capítulo extendido sobre inventarios: incluye la planeación de inventario justo a tiempo
(JIT), planeación de requerimientos de materiales (MRP) y planeación de los recursos de
la empresa (ERP).
Incluye un CD-ROM con dos software esenciales para la materia: POM-QM para Windows y
Excel QM.
Métodos cuantitativos para los negocios
Métodos cuantitativos para los negocios
Novena
edición
www.pearsoneducacion.net/render
Para obtener más información sobre el tema, visite:
Q
UANTITATIVE
A
NALYSIS
FOR
M
ANAGEMENT
N
I
N
T
H
E
D
I
T
I
O
N
Barry Render
Charles Harwood Professor of Management Science
Graduate School of Business, Rollins College
Ralph M. Stair, Jr.
Professor of Information and Management Sciences
Florida State University
Michael E. Hanna
Professor of Decision Sciences
University of Houston—Clear Lake
Q
UANTITATIVE
A
NALYSIS
ACERCA DE LOS AUTORES
Barry Render se desempeña como Charles Harwood Distinguished Professor en ciencias
administra-tivas en la Roy E. Crummer Graduate School of Business en el Rollins College de Winter Park, Flori-da. Obtuvo el grado de maestría en investigación de operaciones y su doctorado en análisis cuantitativo en la University of Cincinnati. Anteriormente impartió clases en la George Washington University, en la New Orleans University, en la Boston University y en la George Mason University, en el área de ciencias de las decisiones y ocupó el cargo de director del Departamento de esta materia. El doctor Render también ha colaborado en la industria aeroespacial para General Electric, McDonnell Douglas y la NASA.
El profesor Render es coautor de 10 libros publicados por Prentice-Hall, incluyendo Managerial Decision Modeling with Spreadsheets, Operations Management, Principles of Operations Management, Service Management, Introduction to Management Science y Cases and Readings in Management Scien-ce. Sus más de 100 artículos sobre una gran variedad de temas administrativos han aparecido en pu-blicaciones como Decision Sciences, Production and Operations Management, Interfaces, Information and Management, Journal of Management Information Systems, Socio-Economic Planning Sciences y Operations Management Review, entre otras.
El doctor Render también ha recibido el honor de ser nombrado AACSB Fellow, y fue nombra-do Senior Fullbright Scholar en 1982 y de nuevo en 1993. En nombra-dos ocasiones ha sinombra-do vicepresidente del Decision Sciences Institute Southeast Region y ha ejercido como editor revisor de software para De-cision Line de 1989 a 1995. Del mismo modo, ha sido editor de los números especiales de administra-ción de operaciones del New York Times de 1996 a 2001. Por último, el profesor Render ha participado activamente en el área de consultoría con diferentes agencias gubernamentales y corporaciones, entre las que se encuentran la NASA; el FBI; la Marina estadounidense; el condado de Fairfax, en Virginia y C&P Telephone.
Imparte cursos sobre administración de operaciones a nivel maestría en Rollins College y otros programas ejecutivos al mismo nivel. En 1995 fue nombrado Profesor del año en dicha institución y en 1996 la Roosevelt University lo eligió para recibir el premio St. Claire Drake for Outstanding Scho-larship.
Ralph Stair es un profesor jubilado del College of Business de la Florida State University. Obtuvo el
grado de licenciatura en ingeniería química por parte de Purdue University y una maestría de Tulane University. Bajo la dirección de Ken Ramsing y Alan Eliason, obtuvo su doctorado en administración de operaciones en Oregon University.
Ha impartido clases en Oregon University, Washington University, New Orleans University y Florida State University. Ha participado dos veces en Londres como parte del programa de estudios en el extranjero de la Florida State University. Con los años, sus enseñanzas se han enfocado en las áreas de sistemas de información, investigación de operaciones y administración de operaciones.
El doctor Stair es miembro de diversas organizaciones académicas, entre ellas el Decision Scien-ces Institute e INFORMS, y participa con regularidad en conferencias dentro de Estados Unidos. Ha publicado numerosos artículos y libros, lo que incluye Managerial Decision Modeling with Spreads-heets, Introduction to Management Science, Cases and Readings in Management Science, Production and Operations Management: A Self-Correction Approach, Fundamentals of Information Systems, Prin-ciples of Information Systems, Introduction to Information Systems, Computers in Today’s World, Princi-ples of Data Processing, Learning to Live with Computers, Programming in BASIC, Essentials of FORTRAN Programming y Essentials of COBOL Programming.
iv
Acerca de los autoresMichael E. Hanna es profesor de ciencias de las decisiones en la University of Houston en su sede de
Clear Lake (UHCL). Tiene una licenciatura en economía, una maestría en matemáticas y un doctora-do en investigación de operaciones por parte de Texas Tech University. Por más de 20 años ha impar-tido cursos en las áreas de estadística, ciencias administrativas, pronósticos y otros métodos cuantitativos. Gracias a la dedicación que ha mostrado como profesor, recibió el reconocimiento a la enseñanza Beta Alfa Psi en 1995.
El profesor Hanna es autor de un libro sobre ciencias administrativas, ha publicado más de 30 artículos y escritos profesionales y ha formado parte del consejo editorial de Computers and Opera-tions Research. En 1996, la sección UHCL de Beta Gamma Sigma le entregó el premio Outstanding Scholar Award.
En UHCL, el profesor Hanna se ha desempeñado como coordinador del programa de la Unidad de ciencias de la decisión y como director del Centro para el desarrollo y la investigación en econo-mía. En 2001 recibió el premio al servicio distinguido del rector de la UCHL. Recientemente comple-tó un segundo periodo como presidente del Decision Sciences Institute (DSI). Ahí se ha mantenido activo ejerciendo en el comité de educación innovadora, el comité regional de asesoría y en el comité de nominaciones. Ha ejercido distintos cargos en el Southwest DSI, entre ellos el de presidente, y re-cibió en 1997 el premio Distinguished Service Award que otorga dicha institución.
CONTENIDO
CAPÍTULO 1
Introducción al análisis
cuantitativo 1
CAPÍTULO 2
Conceptos y aplicaciones
de la probabilidad 21
CAPÍTULO 3
Análisis de decisión 67
CAPÍTULO 4
Modelos de regresión 115
CAPÍTULO 5
Pronósticos 149
CAPÍTULO 6
Modelos de control de inventarios 189
CAPÍTULO 7
Modelos de programación lineal:
métodos gráficos y de
computadora 241
CAPÍTULO 8
Aplicaciones de modelado de
programación lineal: con análisis
generados por computadora en Excel
y QM para Windows 293
CAPÍTULO 9
Programación lineal: método
símplex 333
CAPÍTULO 10
Modelos de transportey
asignación 395
CAPÍTULO 11
Programación entera, programación
por metas y programación no
lineal 451
CAPÍTULO 12
Modelos de redes 499
CAPÍTULO 13
Administración de proyectos 527
CAPÍTULO 14
Modelos de filas de espera y teoría
de colas 567
CAPÍTULO 15
Modelado de la simulacion 607
CAPÍTULO 16
Análisis de Markov 651
CONTENIDO
PREFACIO xv
CAPÍTULO 1
Introducción al análisis
cuantitativo 1
1.1
Introducción 2
1.2
¿Qué es el análisis cuantitativo? 2
1.3
Enfoque del análisis cuantitativo 3
Definición del problema 3 Desarrollo del modelo 3
Adquisición de datos de entrada 4 Desarrollo de la solución 5 Prueba de la solución 5
Análisis de los resultados y análisis de sensibilidad 5
Implementación de resultados 7 El enfoque del análisis cuantitativo
y la aplicación
práctica de los modelos 7
1.4
Cómo desarrollar un modelo de análisis
cuantitativo 7
Las ventajas del modelado matemático 9 Modelos matemáticos clasificados por su
riesgo 9
1.5
Función de las computadoras y modelos
de hoja de cálculo en el enfoque del
análisis cuantitativo 9
1.6
Posibles problemas en el enfoque del
análisis cuantitativo 12
Definición del problema 12 Desarrollo del modelo 14
Adquisición de datos de entrada 14 Desarrollo de la solución 15 Prueba de la solución 15 Análisis de resultados 15
1.7
Implementación: no sólo el paso
final 16
Falta de compromiso y resistencia al cambio 16
Falta de compromiso de los analistas 16
Resumen 17 Glosario 17 Ecuaciones clave 17 Autoevaluación 18 Preguntas y problemas para análisis 18 Caso práctico: Comida y bebidas en los juegos de fútbol en Southwestern University 19 Bibliografía 20
CAPÍTULO 2
Conceptos y aplicaciones
de la probabilidad 21
2.1
Introducción 22
2.2
Conceptos fundamentales 22
Tipos de probabilidad 23
2.3
Eventos mutuamente excluyentes
y colectivamente exhaustivos 24
Adición de eventos mutuamente excluyentes 26
Ley de la adición de eventos que no son mutuamente excluyentes 26
2.4
Eventos estadísticamente
independientes 27
2.5
Eventos estadísticamente
dependientes 28
2.6
Revisión de probabilidades mediante
el teorema de bayes 30
Revisiones avanzadas de probabilidad 32
2.7
Forma general del teorema de Bayes 32
2.8
Variables aleatorias 34
2.9
Distribuciones de probabilidad 35
Distribución de probabilidad de una variable Aleatoria discreta 35 Valor esperado de una distribución de
probabilidad discreta 36
Varianza de una distribución de probabilidad discreta 37
Distribución de probabilidad de una variable aleatoria continua 38
2.10
Distribución binomial 39
Resolución de problemas mediante la fórmula binomial 40
Resolución de problemas mediante tablas binomiales 40
2.11
Distribución normal 42
Área bajo la curva normal 42
Empleo de la tabla normal estándar 44 Ejemplo de Haynes Construction Company
47
2.12
Distribución de poisson 49
2.13
Distribución exponencial 49Resumen 50 Glosario 51 Key Equations 51 Problemas resueltos 52 Autoevaluación 56 Preguntas y problemas para análisis 57 Internet Homework Problems 61 Caso práctico: Century Chemical Company 61 Caso práctico: WTVX 62 Bibliografía 62
viii
ContenidoApéndice 2.1:
derivación del teorema de bayes 62
Apéndice 2.2:
estadísticas básicas mediante el empleo de
excel 63
CAPÍTULO 3
Análisis de decisión 67
3.1
Introducción 68
3.2
Las seis fases del proceso de toma
de decisiones 68
3.3
Tipos de ambientes del proceso de toma
de decisiones 70
3.4
Proceso de toma de decisiones bajo
incertidumbre 71
Maximax 71 Maximin 72
Criterio de realismo (criterio de Hurwicz) 72
Igualdad de probabilidades (Laplace) 74 Arrepentimiento minimax 74
3.5
proceso de toma de decisiones bajo
riesgo 75
Valor monetario esperado 75 Valor esperado de la información
perfecta 76
Pérdida de oportunidad esperada 77 Análisis de sensibilidad 78
Uso de Excel QM para resolver problemas de teoría de la decisión 79
3.6
Árboles de decisión 81
Análisis de sensibilidad 86
3.7
Estimación de los valores de probabilidad
por medio del análisis bayesiano 87
Cálculo de las probabilidades revisadas 87 Problema potencial en el uso de los
resultados de la encuesta 89
3.8
Teoría de la utilidad 90
Medición de la utilidad y construcción de la curva de utilidad 90
La utilidad como criterio del proceso de toma de decisiones 93
Resumen 96 Glosario 96 Ecuaciones clave 97 Problemas resueltos 97
Autoevaluación 103 Preguntas y problemas para análisis 104 Problemas de tarea en Internet 110 Caso práctico: Corporación Starting Right 110 Caso práctico: Blake Electronics 110 Casos prácticos por Internet 112 Bibliografía 112
Apéndice 2.1:
Derivación del teorema de bayes 62
Apéndice 2.1:
Derivación del teorema de bayes 62
Apéndice 3.1:
Modelos de decisión con qm para
windows 112
Apéndice 3.2:
Árboles de decisión con qm para windows
113
Apéndice 3.3:
Uso de excel para aplicar el teorema de
bayes 113
CAPÍTULO 4
Modelos de regresión 115
Modelos de regresión 115
4.1
Introducción 116
4.2
Diagramas de dispersión 116
4.3
Regresión lineal simple 117
4.4
Medición del ajuste del modelo de
regresión 119
Coeficiente de determinación 121 Coeficiente de correlación 121
4.5
Uso de software para regresión 122
4.6
Supuestos del modelo de regresión 124
Estimación de la varianza 125
4.7
Prueba de significancia del modelo 126
Tabla de análisis de varianza 127
4.8
Análisis de regresión múltiple 127
4.9
Variables binarias o ficticias 130
4.10
Construcción de modelos 131
4.11
Regresión no lineal 132
4.12
Advertencias y dificultades en el análisis
de regresión 135
Resumen 136 Glosario 136 Ecuaciones clave 136 Problemas resueltos 137 Autoevaluación 139 Preguntas y problemas para análisis 140 Caso práctico: North-South Airline 143 Bibliografía 144
Apéndice 4.1:
Fórmulas para cálculos de regresión 144
Apéndice 4.2:
Modelos de regresión utilizando QM
para windows 146
CAPÍTULO 5
Pronósticos 149
5.1
Introducción 150
5.2
Tipos de pronósticos 150
Modelos de series de tiempo 150 Modelos causales 151
Modelos cualitativos 151
5.3
Diagramas de dispersión y series de
tiempo 152
5.4
Medidas de precisión de pronósticos 154
5.5
Modelos de pronóstico de series de
tiempo 156
Descomposición de una serie de tiempo 156 Promedios móviles 157
Suavizamiento exponencial 160 Proyecciones de tendencias 164 Variaciones estacionales 166
Variaciones estacionales con tendencia 168 Método de descomposición para
pronósticos con componentes de tendencia y estacionales 170
Contenido
ix
Uso de la regresión con componentesde tendencia y estacionales 174
5.6
Supervisión y control de pronósticos 175
5.7
Uso de la computadora para
pronosticar 177
Resumen 178 Glosario 179 Ecuaciones clave 179 Problemas resueltos 180 Autoevaluación 182 Preguntas y problemas para análisis 183 Problemas de tarea en Internet 185 Case Study: Pronóstico de la asistencia a los juegos de futbol de SWU 185 Internet Case Study 186 Bibliografía 186
Apéndice 5.1
pronósticos con qm para windows
CAPÍTULO 6
Modelos de control de inventarios 189
6.1
Introducción 190
6.2
Importancia del control de inventarios
191
Función de desacoplamiento 191 Almacenamiento de recursos 191 Oferta y demanda irregulares 191 Descuentos por cantidad 191 Evitar faltantes y escasez 192
6.3
Decisiones de inventario 192
6.4
Modelo del lote económico: determinar
cuánto ordenar 193
Costos de inventario en la situación de la EOQ 195
Determinación de la EOQ 196
Ejemplo de Sumco Pump Company 197 Costo de compra de artículos de inventario
198
Análisis de sensibilidad con el modelo EOQ 199
6.5
Punto de reorden: determinar cuándo hay
que ordenar 200
6.6
EOQ sin El supuesto de abastecimiento
instantáneo 201
Costo anual de mantenimiento de inventario en el caso del modelo de corrida de producción 202
Costo anual de puesta en marcha del costo anual de pedidos 202
Determinación de la cantidad óptima de producción 203
Brown Manufacturing 203
6.7
Modelos de descuento por cantidad 206
6.8
Uso de existencias de seguridad 210
ROP con costos conocidos de faltantes 211 ROP con costos conocidos de faltantes 214
6.9
Análisis ABC 216
6.10
Demanda dependiente: en defensa
de la planeación de requerimientos
materiales 218
Árbol de estructura de materiales 218
Plan de requisitos de materiales brutos y ne-tos 219
Dos o más productos finales 222
6.11
Control de inventarios justo
a tiempo 224
6.12
Planeación de recursos de la empresa 225
Resumen 226 Glosario 226 Ecuaciones clave 226 Problemas resueltos 227 Autoevaluación 229 Preguntas y problemas para análisis 230 Problemas de tarea en Internet 236 Caso práctico: Sturdivant Sound Systems 236 Caso práctico: Martin-Pullin Bicycle Corporation 237 Casos prácticos por Internet 237 Bibliografía 237
Apéndice 6.1:
Control de inventarios con QM para
windows 238
CAPÍTULO 7
Modelos de programación lineal:
métodos gráficos y de
computadora 241
7.1
Introducción 242
7.2
Requerimientos de un problema de
programación lineal 242
Supuestos básicos de programación lineal 243
7.3
Formulación de problemas de
programación lineal 244
Flair Furniture Company 244
7.4
Solución gráfica de un problema de
programación lineal 246
Representación gráfica de restricciones 246 Método de solución de línea de isoutilidad
251
Método de solución del punto de esquina 254
7.5
Solución del problema de flair furniture
con QM para windows y excel 256
Uso de QM para Windows 256 Utilización del comando Solver de Excel
para resolver problemas de programación lineal 257
7.6
Solución de problemas de minimización
261
Holiday Meal Turkey Ranch 261
7.7
Casos especiales de programación lineal
265
Ninguna solución factible 265 No acotación 265
Redundancia 267
Soluciones óptimas alternativas 268
7.8
Análisis de sensibilidad 269
High Note Sound Company 270 Cambios en el coeficiente de la función
objetivo 271
QM para Windows y cambios en los coeficientes de la función objetivo 272
x
ContenidoSolver de Excel y cambios en los coeficientes de la función objetivo 272
Cambios en los coeficientes tecnológicos 274
Cambios en los recursos o valores del lado derecho 275
QM para Windows y cambios en los valores del lado derecho 277
Solver de Excel y cambios en los valores del lado derecho 277
Resumen 277 Glosario 277 Problemas resueltos 278 Autoevaluación 282 Preguntas y problemas para análisis 283 Problemas de tarea en Internet 290 Caso práctico: Mexicana Wire Works 290 Casos prácticos por Internet 292 Bibliografía 292
CAPÍTULO 8
Aplicaciones de modelado de
programación lineal: con análisis
generados por computadora en Excel
y QM para Windows 293
8.1
Introducción 294
8.2
Aplicaciones al marketing
Selección de medios 294 Investigación de marketing 2968.3
Aplicaciones a la manufactura 298
Mezcla de producción 298 Programación de producción 2998.4
Aplicaciones a la programación de
horarios de empleados 303
Problemas de asignación 303 Planeación del trabajo 3058.5
Aplicaciones financieras 307
Selección de una cartera 307
8.6
Aplicaciones al transporte 308
Problema de envío 308
Problema de cargar un camión 309
8.7
Aplicaciones al transbordo 313
Centros de distribución 313
8.8
Aplicaciones a las mezclas de ingredientes
315
Problemas de dieta 316
Mezcla de ingredientes y problemas de mezclado316
Resumen 319 Autoevaluación 320 Problems 320 Problemas de tarea en Internet 328 Caso práctico: Red Brand Canners 328 Caso práctico: Chase Manhattan Bank 330 Bibliografía 331
CAPÍTULO 9
Programación lineal: método
símplex 333
9.1
Introducción 334
9.2
Cómo formular la solución símplex
inicial 334
Conversión de las restricciones en ecuaciones 335
Búsqueda de una solución inicial por medios algebraicos 335
Primer tableau símplex 336
9.3
Procedimientos de solución símplex 340
9.4
Segundo tableau símplex 341
Interpretación del segundo tableau 344
9.5
Desarrollo del tercer tableau 345
9.6
Revisión de los procedimientos para
resolver problemas de maximización
de pl 348
9.7
Variables superfluas y artificiales 349
Variables superfluas 349 Variables artificiales 349
Variables superfluas y artificiales en la función objetivo 350
9.8
Solución de problemas de minimización
351
Análisis gráfico 351
Transformación de las restricciones y la función objetivo 352
Reglas del método símplex para problemas de minimización 353
Primer tableau símplex para el problema de la Muddy River Chemical
Corporation 353
Desarrollo del segundo tableau 355 Desarrollo de un tercer tableau 356 Cuarto tableau para el problema de la
Muddy River Chemical Corporation 358
9.9
Repaso de los procedimientos de solución
de problemas de minimización de
programación lineal 360
9.10
Casos especiales 360
Infactibilidad 360 Soluciones no acotadas 361 Degeneración 362Más de una solución óptima 362
9.11
Análisis de sensibilidad con el tableau
símplex 363
Regreso a la High Note Sound Company 364
Cambios en los coeficientes de la función objetivo 364
Cambios de los recursos o valores del lado derecho (RHS) 366
Análisis de sensibilidad por computadora 369
9.12
El modelo dual 369
Procedimientos de formulación dual 371 Solución del dual del problema de High
Note Sound Company 371
Contenido
xi
Resumen 372 Glosario 372 KeyEquation 373 Problemas resueltos 373 Autoevaluación 380 Preguntas y problemas para análisis 381 Problemas de tarea en Internet 389 Caso práctico: Coastal States Chemicals and Fertilizers 390 Bibliografía 391
CAPÍTULO 10
Modelos de transportey asignación
393
10.1
Introducción 394
Modelo de transporte 394 Modelo de asignación 394
Algoritmos para propósitos especiales 394
10.2
Configuración de un problema de
transporte 395
10.3
Desarrollo de una solución inicial:
regla de la esquina noroeste 396
10.4
Método de salto de piedra en piedra:
determinación de una solución de costo
mínimo 398
Prueba de la solución para una posible me-jora 399
Cómo obtener una solución mejorada 402
10.5
Método modi 407
Cómo utilizar el método MODI 407 Solución del problema de la Executive
Furniture Corporation con MODI 408
10.6
Método de aproximación de vogel:
otra forma de encontrar una solución
inicial 410
10.7
Problemas de transporte d
esbalanceados 413
Demanda menor que la oferta 414 Demanda mayor que la oferta 414
10.8
Degeneración en problemas de
transporte 415
Degeneración en una solución inicial 415 Degeneración durante las últimas etapas de
solución 416
10.9
Más de una solución óptima 417
10.10
Problemas de maximización en
transporte 417
10.11
Rutas inaceptables o prohibidas 417
10.12
Análisis para la localización de una
instalación 418
Localización de una nueva fábrica de Hardgrave Machine Company 418
10.13
Método del modelo de asignación 421
Método húngaro (técnica de Flood) 422 Realización de la asignación final 426
10.14
Problemas de asignación
desbalanceados 428
10.15
Problemas de asignación de
maximización 428
Resumen 430 Glosario 430 Ecuaciones clave 431 Problemas resueltos 431 Autoevaluación 438 Preguntas y problemas para análisis 438 Problemas de tarea en Internet 447 Caso práctico: Andrew–Carter, Inc. 447 Caso práctico: Old Oregon Wood Store 448 Casos prácticos por Internet 449 Bibliografía 449
Apéndice 10.1:
Uso de QM para windows 449
Apéndice 10.2:
Comparación del algoritmo símplex y el
algoritmo de transporte 450
CAPÍTULO 11
Programación entera, programación
por metas y programación no lineal
451
11.1
Introducción 452
11.2
Programación entera 452
Ejemplo de programación entera de Harrison Electric Company 453 Método de ramificación y acotamiento 454 Otra visita a Harrison Electric Company
455
Utilización de software para resolver el problema de programación de Harrison 458
Ejemplo de un problema de programación entera mixta 460
11.3
Modelado con variables 0-1
(binarias) 463
Ejemplo de presupuesto de capital 463 Limitación del número de alternativas
seleccionadas 464
Selecciones dependientes 464
Ejemplo de un problema de cargo fijo 464 Ejemplo de inversión financiera 466
11.4
Programación por metas 468
Ejemplo de programación por metas: otra visita a Harrison Electric Company 469
Extensión a metas múltiples igualmente importantes 470 Clasificación de metas con niveles de
prioridad 471
Solución gráfica de problemas de programación por metas 472 Método símplex modificado para
programación por metas 474 Programación por metas con metas
ponderadas 477
11.5
Programación no lineal 479
Función objetivo no lineal y restricciones lineales 479
Función objetivo no lineal y restricciones no lineales 480
Función objetivo lineal con restricciones no lineales 482
xii
ContenidoProcedimientos computacionales de progra-mación no lineal 482
Resumen 483 Glosario 483 Problemas resueltos 484 Autoevaluación 486 Preguntas y problemas para análisis 487 Problemas de tarea en Internet 492 Caso práctico: Schank Marketing Research 492 Caso práctico: Puente sobre el río Oakton 492 Caso práctico: Puyallup Mall 493
Bibliografía 494
CAPÍTULO 12
Modelos de redes 497
12.2
Introducción 498
12.2
Técnica del árbol de expansión
mínima 498
12.3
Técnica del flujo máximo 501
12.4
Técnica de la ruta mas corta 505
Resumen 509 Glosario 509 Problemas resueltos 509 Autoevaluación 512 Preguntas y problemas para análisis 513 Problemas de tarea en Internet 519 Caso práctico: Binder’s Beverage 519
Caso práctico: Problemas de tráfico en la Southwestern University 520 Casos prácticos por Internet 521 Bibliografía 521
Apéndice 12.1:
Modelos de redes con QM para
windows 521
CAPÍTULO 13
Administración de proyectos 525
13.1
Introducción 526
Estructura de PERT y CPM 526
13.1
PERT 527
Ejemplo de PERT para General Foundry 527
Dibujo de una red PERT 529 Tiempos de las actividades 530 Cómo encontrar la ruta crítica 531 Probabilidad de terminación del
proyecto 536
Lo que puede proporcionar PERT 538 Análisis de sensibilidad y administración
de proyectos 538
13.3
PERT/costo 539
Planeación y programación de costos de proyecto: procesos de presupuestación 540 Supervisión y control de costos de
proyecto 543
13.4
Método de la ruta crítica 545
Compresión de proyectos con CPM 545 Recorte de proyectos con programación
lineal 547
13.5
Otros TEMAs en la administración de
proyectos 550
Subproyectos 551 Hitos 551
Nivelación de recursos 551 Software 551
Resumen 551 Glosario 552 Ecuaciones clave 552 Problemas resueltos 553 Autoevaluación 555 Preguntas y problemas para análisis 556 Problemas de tarea en Internet 560 Caso práctico: Construcción del estadio de la Southwestern University 561 Caso práctico: Centro de investigación para la planeación familiar en Nigeria 562 Casos prácticos por Internet 563 Bibliografía 563
Apéndice 13.1:
Administración de proyectos
con QM para windows 564
CAPÍTULO 14
Modelos de filas de espera y teoría
de colas 567
14.1
Introducción 568
14.2
Costos de líneas de espera 568
14.3
Características de los sistemas
de colas 570
Características de llegada 570
Características de las líneas de espera 572 Características de las instalaciones de
servicio 572
Identificación de modelos mediante el uso de la notación Kendall 574
14.4
Modelo de colas de un solo canal con
llegadas Poisson y tiempos de servicio
exponenciales (M/M/1) 576
Suposiciones del modelo 576 Ecuaciones de colas 577 El caso del taller de silenciadores
Arnold’s 578
Mejora del entorno de la cola 582
14.5
Modelo de colas de canales múltiples con
llegadas Poisson y tiempos de servicio
exponenciales (M/M/1) 582
Ecuaciones del modelo de colas multicanal 583
Otra visita al taller de silenciadores Arnold’s 584
14.6
Modelo de tiempo de servicio constante
(M/D/1) 587
Ecuaciones del modelo de tiempo de servicio constante 587
Garcia-Golding Recycling, Inc. 588
14.7
Modelo de población finita (M/M/1 con
fuente finita) 589
Ecuaciones del modelo de población finita 589
Ejemplo del Departamento de Comercio 590
14.8
Algunas relaciones características de
operación generales 592
14.9
Modelos más complejos de colas y uso
de la simulación 592
Contenido
xiii
Resumen 593 Glosario 593 Ecuacionesclave 594 Problemas resueltos 595 Autoevaluación 598 Preguntas y problemas para análisis 599 Problemas de tarea en Internet 602 Caso práctico: New England Foundry 602 Caso práctico: Hotel Winter Park 604 Casos prácticos por Internet 604 Bibliografía 604
Apéndice 14.1:
Uso de QM para windows 605
CAPÍTULO 15
Modelado de la simulacion 607
15.1
Introducción 608
15.2
Ventajas y desventajas de la
simulación 609
15.3
Simulación monte Carlo 610
Uso de QM para Windows para simulación 616
Simulación con hojas de cálculo de Excel 617
15.4
Simulación y análisis de inventarios 619
Simkin’s Hardware 619
Análisis de los costos de inventario de Simkin 623
15.5
Simulación de un problema de colas 625
Puerto de Nueva Orleáns 625
Uso de Excel para simular el problema de colas del puerto de Nueva Orleáns 627
15.6
Modelos de simulación de incremento
de tiempo fijo yde incremento AL evento
siguiente 628
15.7
Modelo de simulación DE una política de
mantenimiento 628
Three Hills Power Company 629 Análisis de costos de la simulación 633 Construcción de un modelo de simulación
del ejemplo de Three Hills Power Company mediante Excel 634
15.8
Otros dos tipos de modelos de
simulación 634
Juegos operacionales 634 Simulación de sistemas 636
15.9
Verificación y validación 636
15.10
Función de las computadoras en la
simulación 637
Resumen 638 Glosario 638 Problemas resueltos 638 Autoevaluación 642 Preguntas y problemas para análisis 643 Problemas de tarea en Internet 648 Caso práctico: Alabama Airlines 648 Caso prác-tico: Statewide Development Corporation 649 Casos prácticos por Internet 650
Bibliografía 650
CAPÍTULO 16
Análisis de Markov 651
16.1
Introducción 652
16.2
Estados y probabilidades de estado 652
Vector de probabilidades de estados del ejemplo de las tres tiendas de abarrotes 653
16.3
Matriz de probabilidades de
transición 655
Probabilidades de transición de las tres tiendas de abarrotes 655
16.4
Pronóstico de participación en el
mercado 656
16.5
Análisis de markov de operaciones de
maquinaria 657
16.6
Condiciones de estabilidad 658
16.7
Estados absorbentes y la matriz
fundamental: aplicación a las cuentas
por cobrar 661
Resumen 666 Glosario 666 Ecuaciones clave 666 Problemas resueltos 667 Autoevaluación 671 Preguntas y problemas para análisis 671 Problemas de tarea en Internet 675 Caso práctico: Rentall Trucks 675 Casos prácticos por Internet 676 Bibliografía 677
Apéndice 16.1:
Análisis de markov con QM para
windows 677
Apéndice 16.2
Análisis de markov con excel 678
CAPÍTULO 17
Control estadístico de calidad 681
17.1
Introducción 682
17.2
Definición de calidad y TQM 682
17.3
Control estadístico de procesos 683
Variabilidad en el proceso 683
17.4
Gráficas de control de variables 685
Teorema del límite central 685
Establecimiento de límites de gráficas x-- 686 Establecimiento de límites de gráficas de
rango 688
17.5
Gráficas de control para atributos 690
Gráficas p 690 Gráficas c 693
Resumen 694 Glosario 694 Ecuaciones clave 694 Problemas resueltos 695 Autoevaluación 697 Preguntas y problemas para análisis 697 Problemas de tarea en Internet 699 Caso práctico: Morristown Daily Tribune 700 Casos prácticos por Internet 700 Bibliografía 701