Investigación de operaciones

Descripción

Libro digital para leer en línea o en app móvil

Descripción:
Durante más de 37 años, las ediciones sucesivas de este libro han introducido a más de medio millón de estudiantes al campo y han atraído a muchas personas a entrar a la disciplina para realizar actividades académicas y prácticas profesionales. Muchos líderes y muchos profesores actuales aprendieron primero acerca del campo a través de una edición de este libro. El uso extenso de las ediciones internacionales y las traducciones a otros 15 idiomas han contribuido a expandir la investigación de operaciones alrededor del mundo. El libro sigue siendo sobresaliente incluso después de 37 años. Aunque la octava edición acaba de aparecer, la séptima edición cubrió 46% el mercado para libros de este tipo, y se encuentra en segundo sitio de ventas internacionales entre todas las publicaciones de McGraw-Hill de ingeniería.

Tabla de contenidos:

Front Matter
   Dedicatoria
   Acerca de los autores
   Acerca de los autores de los casos
   Prefacio
   Novedades en esta edición
   Otras características especiales de este libro
   Recursos adicionales
   McGraw-Hill LearnSmart®
   Uso del libro
   Reconocimientos
CAPÍTULO 1: Introducción
   1.1: Orígenes de la investigación de operaciones
   1.2: Naturaleza de la investigación de operaciones
   1.3: Surgimiento de la analítica junto con la investigación de operaciones
   1.4: Efecto de la investigación de operaciones
   Tabla 1.1: Aplicaciones de la investigación de operaciones que se describirán en los recuadros de aplicación
   Recuadro de aplicación
   1.5: Algoritmos y paquetes de IO
   Referencias seleccionadas
   Problemas
CAPÍTULO 2: Panorama del enfoque de modelado en investigación de operaciones
   2.1: Definición del problema y recolección de datos
   Ejemplo.
   2.2: Formulación de un modelo matemático
   Recuadro de aplicación
   Ejemplo:
   2.3: Obtención de soluciones a partir del modelo
   Ejemplo.
   2.4: Prueba del modelo
   Ejemplo.
   2.5: Preparación para aplicar el modelo
   Ejemplo.
   2.6: Implementación
   Ejemplo.
   2.7: Conclusiones
   Referencias seleccionadas
   Algunas aplicaciones ganadoras de premios con el enfoque de modelado de IO
   Problemas
CAPÍTULO 3: Introdución a la programación lineal
   3.1: Ejemplo prototípico
   Recuadro de aplicación
   Tabla 3.1: Datos del problema de la Wyndor Glass Co.
   Formulación como un problema de programación lineal
   Solución gráfica
   Figura 3.1
   Figura 3.2
   Figura 3.3
   Conclusiones
   Continuación del proceso de aprendizaje con OR Courseware
   3.2: Modelo de programación lineal
   Tabla 3.2: Terminología común de programación lineal
   Tabla 3.3: Datos necesarios para elaborar un modelo de programación lineal para manejar la asignación de recursos a actividades
   Una forma estándar del modelo
   Otras formas
   Terminología de las soluciones del modelo
   Figura 3.4
   Figura 3.5
   Figura 3.6
   Figura 3.7
   3.3: Supuestos de programación lineal
   Proporcionalidad
   Tabla 3.4: Ejemplos de proporcionalidad satisfecha o violada
   Figura 3.8
   Figura 3.9
   Figura 3.10
   Aditividad
   Tabla 3.5: Ejemplos que satisfacen o violan la aditividad de la función objetivo
   Tabla 3.6: Ejemplos de aditividad satisfecha o violada de una restricción funcional
   Divisibilidad
   Certidumbre
   Los supuestos en perspectiva
   3.4: Ejemplos adicionales
   Diseño de terapia de radiación
   Figura 3.11
   Tabla 3.7: Datos para el diseño del tratamiento de radiación de Mary
   Recuadro de aplicación
   Formulación como un problema de programación lineal.
   Figura 3.12
   Planificación regional
   Tabla 3.8: Datos de recursos de la Confederación Sur de Kibbutzim
   Tabla 3.9: Datos de cultivos de la Confederación Sur de Kibbutzim
   Formulación como un problema de programación lineal.
   Tabla 3.10: Variables de decisión del problema de la Confederación Sur de Kibbutzim
   Tabla 3.11: Solución óptima del problema de la Confederación Sur de Kibbutzim
   Control de la contaminación del aire
   Tabla 3.12: Estándares de aire limpio de Nori & Leets Co.
   Tabla 3.13: Reducción de la tasa de emisión (en millones de libras por año) con el uso máximo factible del método de abatimiento de Nori & Leets Co.
   Tabla 3.14: Costo total anual por el uso máximo factible del método de abatimiento de Nori & Leets Co. (millones de dólares)
   Formulación como un problema de programación lineal.
   Tabla 3.15: Variables de decisión (fracción del uso máximo factible del método de abatimiento) de Nori & Leets Co.
   Reciclado de desechos sólidos
   Tabla 3.16: Datos de productos de la Save-It Co.
   Tabla 3.17: Datos de los materiales de desechos sólidos de Save-lt Co.
   Formulación como un problema de programación lineal.
   Tabla 3.18: Solución óptima del problema de Save-lt Co.
   Programación de personal
   Tabla 3.19: Datos del problema de programación de personal en Union Airways
   Formulación como un problema de programación lineal.
   Distribución de bienes a través de una red
   El problema.
   Figura 3.13
   Formulación como un problema de programación lineal.
   3.5: Formulación y solución de modelos de programación lineal en una hoja de cálculo
   Formulación del modelo en una hoja de cálculo
   Figura 3.14
   Recuadro de aplicación
   Figura 3.15
   Figura 3.16
   Uso de Solver para resolver el modelo
   Figura 3.17
   Figura 3.18
   Figura 3.19
   Figura 3.20
   Figura 3.21
   Uso del Solver de ASPE para resolver el modelo
   Figura 3.22
   Figura 3.23
   Figura 3.24
   3.6: Construcción de modelos grandes de programación lineal
   Lenguajes de modelado
   Recuadro de aplicación
   Ejemplo de un problema con un modelo muy grande
   Estructura del modelo resultante
   Variables de decisión
   Función objetivo
   Restricciones funcionales
   Formulación del modelo en MPL
   Lenguaje de modelado LINGO
   3.7: Conclusiones
   Referencias seleccionadas
   Algunas aplicaciones de programación lineal ganadoras de premios
   Ayudas de aprendizaje para este capítulo en nuestro sitio web
   Problemas
   Coeficiente de productividad (en horas-máquina por unidad)
   Casos
   Caso 3.1: Ensamble de automóviles
   Resumen de los casos adicionales en nuestro sitio web
   Caso 3.2: Disminución de costos en una cafetería
   Caso 3.3: Asignación de personal en un centro de llamadas
   Caso 3.4: Promoción de un cereal para el desayuno
CAPÍTULO 4: Solución de problemas de programación lineal: método símplex
   4.1: Esencia del método símplex
   Figura 4.1
   Tabla 4.1: Soluciones FEV adyacentes para cada solución FEV del problema de la Wyndor Glass Co.
   Solución del ejemplo
   Figura 4.2
   Conceptos clave de solución
   4.2: Preparación para el método símplex
   4.3: Álgebra del método símplex
   Tabla 4.2: Interpretaciones geométrica y algebraica de los pasos del método símplex para resolver el ejemplo de la Wyndor Glass Co.
   Paso inicial
   Prueba de optimalidad
   Recuadro de aplicación
   Determinación de la dirección de movimiento (paso 1 de una iteración)
   Determinación de dónde detenerse (paso 2 de una iteración)
   Resolución de una nueva solución BF (paso 3 de una iteración)
   Prueba de optimalidad de la nueva solución básica factible
   Iteración 2 y la solución óptima que resulta
   4.4: El método símplex en forma tabular
   Tabla 4.3: Tabla símplex inicial del problema de la Wyndor Glass Co.
   Resumen del método símplex (y la iteración 1 del ejemplo)
   Paso inicial.
   Prueba de optimalidad.
   Iteración.
   Tabla 4.4: Aplicación de la prueba del cociente mínimo para determinar la primera variable básica saliente en el problema de la Wyndor Glass Co.
   Tabla 4.5: Tabla símplex del problema de la Wyndor Glass Co. después de dividir el primer renglón pivote entre el primer número pivote
   Tabla 4.6: Primeras dos tablas símplex del problema de la Wyndor Glass Co.
   Iteración 2 del ejemplo y la solución óptima que resulta
   Tabla 4.7: Pasos 1 y 2 de la iteración 2 del problema de la Wyndor Glass Co.
   Tabla 4.8: Tabla símplex completa para el problema de la Wyndor Glass Co.
   4.5: Rompimiento de empates en el método símplex
   Empate de la variable básica entrante
   Empate de la variable básica que sale: degeneración
   Cuando no hay variable básica saliente: Z no acotada
   Tabla 4.9: Tabla símplex inicial para el problema de la Wyndor Glass Co. sin las dos últimas restricciones funcionales
   Soluciones óptimas múltiples
   Tabla 4.10: Tabla símplex completa para obtener todas las soluciones BF óptimas con c2 = 2, en el problema de la Wyndor Glass Co.
   4.6: Adaptación a otras formas del modelo
   Restricciones en forma de igualdad
   Ejemplo.
   Figura 4.3
   Obtención de una solución BF inicial.
   Figura 4.4
   Conversión de la ecuación (0) a la forma apropiada.
   Aplicación del método símplex.
   Tabla 4.11: Conjunto completo de tablas símplex del problema de la figura 4.4
   Lados derechos negativos
   Restricciones funcionales de la forma ≥
   Figura 4.5
   Minimización
   Solución del ejemplo de terapia de radiación
   Tabla 4.12: El método de la gran M en el ejemplo de terapia de radiación
   Figura 4.6
   Método de las dos fases
   Resumen del método de las dos fases.
   Tabla 4.13: Fase 1 del método de las dos fases en el ejemplo de terapia de radiación
   Tabla 4.14: Preparación para la fase 2 en el ejemplo de terapia de radiación
   Tabla 4.15: Fase 2 del método de las dos fases en el ejemplo de terapia de radiación
   Figura 4.7
   Sin soluciones factibles
   Tabla 4.16: El método de la gran M para la revisión del ejemplo de terapia de radiación que no tiene soluciones factibles
   Variables que pueden ser negativas
   Variables con una cota sobre los valores negativos permitidos.
   Variables sin cota sobre los valores negativos permitidos.
   4.7: Análisis posóptimo
   Tabla 4.17: Análisis posóptimo para programación lineal
   Reoptimización
   Precios sombra
   Figura 4.8
   Análisis de sensibilidad
   Figura 4.9
   Uso de Excel para generar información para el análisis de sensibilidad
   Figura 4.10
   Programación lineal paramétrica
   4.8: Uso de computadora
   Implantación del método símplex
   Software de programación lineal descrito en este libro
   Opciones de software disponibles para programación lineal
   4.9: Enfoque de punto interior para resolver problemas de programación lineal
   El concepto de solución clave
   Figura 4.11
   Tabla 4.18: Salida del algoritmo de punto interior en OR Courseware del problema de la Wyndor Glass Co.
   Comparación con el método símplex
   Combinación del método símplex con el enfoque de punto interior para el análisis posóptimo
   4.10: Conclusiones
   APÉNDICE 4.1I: ntroducción al uso de LINDO y LINGO
   Figura A4.1
   Figura A4.2
   Referencias seleccionadas
   Ayudas de aprendizaje para este capítulo en nuestro sitio web
   Problemas
   Casos
   Caso 4.1: Telas y moda de otoño
   Resumen de los casos adicionales
   Caso 4.2: Nuevas fronteras
   Caso 4.3: Asignación de estudiantes a escuelas
CAPÍTULO 5: Teoría del método símplex
   5.1: Fundamentos del método símplex
   Figura 5.1
   Terminología
   Tabla 5.1: Ecuaciones de definición de cada solución FEV del problema de la Wyndor Glass Co.
   Tabla 5.2: Ecuaciones de definición de cada solución no factible en un vértice del problema de la Wyndor Glass Co.
   Soluciones FEV adyacentes
   Figura 5.2
   Propiedades de las soluciones FEV
   Figura 5.3
   Extensiones a la forma aumentada del problema
   Tabla 5.3: Variables indicativas de las ecuaciones de frontera de restricción*
   Tabla 5.4: Variables indicativas de las ecuaciones de frontera de restricción para el problema de la Wyndor Glass Co.*
   Tabla 5.5: Soluciones BF para el problema de la Wyndor Glass Co.
   Tabla 5.6: Soluciones básicas no factibles para el problema de la Wyndor Glass Co.
   Tabla 5.7: Secuencia de soluciones que se obtuvieron por el método símplex para el problema de la Wyndor Glass Co.
   5.2: Forma matricial del método símplex
   Obtención de una solución básica factible
   Ejemplo.
   Forma matricial del conjunto de ecuaciones actual
   Tabla 5.8: Primera y última tabla símplex en forma matricial
   Ejemplo.
   Resumen de la forma matricial del método símplex
   Ejemplo.
   Observaciones finales
   5.3: Una idea fundamental
   Tabla 5.9: Notación general de las tablas símplex inicial y final en forma matricial para el problema de la compañía Wyndor Glass Co.
   Adaptación de otras formas de modelos
   Aplicaciones
   5.4: El método símplex revisado
   Ejemplo.
   5.5: Conclusiones
   Referencias seleccionadas
   Problemas
CAPÍTULO 6: Teoría de la dualidad
   6.1: Esencia de la teoría de la dualidad
   Tabla 6.1: Problemas primal y dual del ejemplo de la Wyndor Glass Co.
   Tabla 6.2: Tabla primal-dual para programación lineal ilustrada por el ejemplo de la Wyndor Glass Co.
   Tabla 6.3: Correspondencia entre los elementos de los problemas primal y dual
   Origen del problema dual
   Tabla 6.4: Notación de los elementos del renglón 0 en la tabla símplex
   Tabla 6.5: El renglón 0 y su correspondiente solución dual para cada iteración del ejemplo de la Wyndor Glass Co.
   Resumen de las relaciones primal-dual
   Aplicaciones
   6.2: Interpretación económica de la dualidad
   Tabla 6.6: Interpretación económica del problema primal
   Interpretación del problema dual
   Interpretación del método símplex
   6.3: Relaciones primal-dual
   Soluciones básicas complementarias
   Tabla 6.7: Asociación entre las variables de los problemas primal y dual
   Tabla 6.8: Relaciones de holgura complementaria para soluciones básicas complementarias
   Ejemplo.
   Tabla 6.9: Soluciones básicas complementarias para el ejemplo de la Wyndor Glass Co.
   Relaciones entre las soluciones básicas complementarias
   Tabla 6.10: Clasificación de las soluciones básicas
   Figura 6.1
   Tabla 6.11: Relaciones entre las soluciones básicas complementarias
   6.4: Adaptación a otras formas del primal
   Tabla 6.12: Conversiones de los modelos de programación lineal a la forma estándar
   Tabla 6.13: Construcción del dual de un problema dual
   El método CER para determinar la forma de las restricciones en el dual3
   Tabla 6.14: Formas primal-dual correspondientes
   Tabla 6.15: Una forma primal-dual del ejemplo de terapia de radiación
   Tabla 6.16: Otra forma primal-dual del ejemplo de terapia de radiación
   6.5: Papel de la teoría de la dualidad en el análisis de sensibilidad
   Cambios en los coeficientes de una variable no básica
   Introducción de una nueva variable
   Otras aplicaciones
   6.6: Conclusiones
   Referencias seleccionadas
   Problemas
CAPÍTULO 7: Programación lineal bajo incertidumbre
   7.1: Esencia del análisis de sensibilidad
   Tabla 7.1: Tabla símplex final revisada que resulta de los cambios introducidos al modelo original
   Ejemplo (variación 1 del modelo Wyndor).
   Tabla 7.2: El modelo original y el primer modelo revisado (variación 1) para llevar a cabo el análisis de sensibilidad en el modelo Wyndor Glass Co.
   Figura 7.1
   Tabla 7.3: Obtención de la tabla símplex final revisada de la variación 1 del modelo de la Wyndor Glass Co.
   Tabla 7.4: Conversión de la tabla simplex revisada final en la forma apropiada de eliminación gaussiana para la variación 1 del modelo de la Wyndor Glass Co.
   Procedimiento general.
   7.2: Aplicación del análisis de sensibilidad
   Caso 1: cambios en las bi
   Ejemplo (variación 2 del modelo Wyndor).
   Figura 7.2
   Análisis de la variación 2.
   Tabla 7.5: Datos de la variación 2 del modelo de la Wyndor Glass Co.
   Intervalo permisible para un lado derecho.
   Recuadro de aplicación
   Tabla 7.6: Salida típica de un software para análisis de sensibilidad de los valores del lado derecho del modelo de la Wyndor Glass Co.
   Análisis de cambios simultáneos en los lados derechos.
   Ejemplo (variación 3 del modelo de la Wyndor).
   Figura 7.3
   Caso 2a: cambios en los coeficientes de una variable no básica
   Ejemplo (variación 4 del modelo de la Wyndor).
   Figura 7.4
   Intervalo permitido para un coeficiente de la función objetivo de una variable no básica.
   Tabla 7.7: Salida típica de un software para el análisis de sensibilidad de los coeficientes de la función objetivo de la variación 2 del modelo de la Wyndor Glass Co.
   Análisis de cambios simultáneos en los coeficientes de la función objetivo.
   Caso 2b: Introducción de una nueva variable
   Case 3: Cambios en los coeficientes de una variable básica
   Ejemplo (variación 5 del modelo de la Wyndor).
   Figura 7.5
   Análisis de la variación 5.
   Tabla 7.8: Procedimiento del análisis de sensibilidad aplicado a la variación 5 del modelo de la Wyndor Glass Co.
   Intervalo permitido del coeficiente de la función objetivo de una variable básica.
   Caso 4: Introducción de una nueva restricción
   Ejemplo (variación 6 del modelo de la Wyndor).
   Figura 7.6
   Tabla 7.9: Procedimiento del análisis de sensibilidad aplicado a la variación 6 del modelo de la Wyndor Glass Co.
   7.3: Realización de análisis de sensibilidad en una hoja de cálculo4
   Figura 7.7
   Verificación de cambios individuales en el modelo
   Figura 7.8
   Figura 7.9
   Figura 7.10
   Utilización de un reporte de análisis de parámetros para hacer análisis de sensibilidad en forma sistemática
   Figura 7.11
   Figura 7.12
   Figura 7.13
   Verificación de cambios en el modelo por dos vías
   Figura 7.14
   Figura 7.15
   Empleo de un reporte del análisis de parámetros de dos vías (ASPE) para este análisis
   Figura 7.16
   Figura 7.17
   Figura 7.18
   Empleo del informe de sensibilidad para realizar análisis de sensibilidad
   Figura 7.19
   Figura 7.20
   Figura 7.21
   Figura 7.22
   Otros tipos de análisis de sensibilidad
   7.4: Optimización robusta
   Optimización robusta con parámetros independientes
   Ejemplo
   Tabla 7.10: Rango de incertidumbre para los parámetros del modelo Wyndor Glass Co.
   Extensiones
   7.5: Restricciones aleatorias
   Forma de una restricción aleatoria
   Figura 7.23
   Ejemplo
   Tabla 7.11: Datos para el ejemplo del uso de restricciones aleatorias para ajustar el modelo de Wyndor Glass Co.
   Procedimiento con restricciones duras
   Extensiones
   7.6: Programación estocástica con recurso
   Ejemplo
   Tabla 7.12: Datos para el problema de Wyndor bajo el escenario 2
   Algunas aplicaciones típicas
   7.7: Conclusiones
   Referencias seleccionadas
   Ayudas de aprendizaje para este capítulo
   Problemas
   Casos
   Caso 7.1: Control de la contaminación
   Resumen de los casos adicionales en el sitio en internet de este libro
   Caso 7.2: Administración de granjas
   Caso 7.3: Asignación de estudiantes a escuelas (revisado)
   Caso 7.4: Redacción de una síntesis ejecutiva
CAPÍTULO 8: Otros algoritmos para programación lineal
   8.1: Método símplex dual
   Resumen del método símplex dual
   Un ejemplo
   Tabla 8.1: Método símplex dual aplicado al problema dual de la Wyndor Glass Co.
   8.2: Programación lineal paramétrica
   Cambios sistemáticos en los parámetros cj
   Figura 8.1
   Ejemplo.
   Tabla 8.2: Procedimiento de programación paramétrica de cj aplicado al ejemplo de la Wyndor Glass Co.
   Resumen del procedimiento de programación lineal paramétrica para realizar cambios sistemáticos en los parámetros cj
   Cambios sistemáticos en los parámetros bi
   Figura 8.2
   Resumen del procedimiento de programación lineal paramétrica para cambios sistemáticos en los parámetros bi
   Ejemplo.
   Tabla 8.3: Procedimiento de programación paramétrica de bi aplicado al dual del ejemplo de la Wyndor Glass Co.
   8.3: Técnica de la cota superior
   Un ejemplo
   Tabla 8.4: Ecuaciones y cálculos de la variable básica inicial que sale en el ejemplo de la técnica de cota superior
   8.4: Algoritmo de punto interior
   Figura 8.3
   Relevancia del gradiente para los conceptos 1 y 2
   Figura 8.4
   Utilización del gradiente proyectado para aplicar los conceptos 1 y 2
   Esquema de centrado para implantar el concepto 3
   Figura 8.5
   Resumen e ilustración del algoritmo
   Iteración 1.
   Resumen del algoritmo de punto interior
   Iteración 2
   Figura 8.6
   Figura 8.7
   Figura 8.8
   8.5: Conclusiones
   Referencias seleccionadas
   Ayudas de aprendizaje para este capítulo en el sitio en internet de este libro
   Problemas
CAPÍTULO 9: Problemas de transporte y asignación
   Tabla 9.1: Tabla de coeficientes de las restricciones de programación lineal
   Recuadro de aplicación
   9.1: Problema de transporte
   Ejemplo prototipo
   Figura 9.1
   Tabla 9.2: Datos de transporte de P & T Co.
   Figura 9.2
   Tabla 9.3: Coeficientes de restricción para P & T Co.
   Modelo del problema de transporte
   Tabla 9.4: Terminología del problema de transporte
   Tabla 9.5: Tabla de parámetros del problema de transporte
   Figura 9.3
   Tabla 9.6: Coeficientes de las restricciones del problema de transporte
   Uso de Excel para formular y resolver problemas de transporte
   Figura 9.4
   Ejemplo con un destino ficticio
   Tabla 9.7: Datos de programación de la producción de la Northern Airplane Co.
   Formulación.
   Tabla 9.8: Tabla incompleta de parámetros de la Northern Airplane Co.
   Tabla 9.9: Tabla completa de parámetros de la Northern Airplane Co.
   Ejemplo con un origen ficticio
   Tabla 9.10: Datos de recursos de agua del Metro Water District
   Formulación.
   Tabla 9.11: Tabla de parámetros sin las necesidades mínimas del Metro Water District
   Generalizaciones del problema de transporte
   9.2: Método símplex mejorado para solucionar el problema de transporte
   Preparación para el método símplex de transporte
   Tabla 9.12: Tabla de parámetros del Metro Water District
   Tabla 9.13: Tabla símplex original antes de aplicar el método símplex al problema de transporte
   Tabla 9.14: Renglón 0 de la tabla símplex si se aplica el método símplex al problema de transporte
   La información necesaria.
   Formas muy simplificadas para obtener esta información.
   Tabla 9.15: Formato de la tabla símplex de transporte
   La gran mejora en eficiencia resultante.
   Paso inicial
   Procedimiento general6 para construir una solución inicial BF.
   Criterios alternativos para el paso 1
   Ejemplo.
   Tabla 9.16: Solución inicial BF de acuerdo con la regla de la esquina noroeste
   Ejemplo.
   Tabla 9.17: Solución BF inicial de acuerdo con el método de aproximación de Vogel
   Ejemplo.
   Tabla 9.18: Solución inicial básica factible de acuerdo con el método de aproximación de Russell
   Comparación de criterios alternativos para el paso 1.
   Prueba de optimalidad
   Tabla 9.19: Tabla símplex de transporte inicial (antes de obtener cij − ui − vj) mediante el método de aproximación de Russell
   Una iteración
   Paso 1: Encontrar la variable básica entrante.
   Paso 2: Encontrar la variable básica saliente.
   Tabla 9.20: Tabla símplex de transporte inicial completa
   Tabla 9.21: Parte de la tabla símplex de transporte inicial que muestra la reacción en cadena que se produce al incrementar la variable básica entrante
   Paso 3: Encontrar la nueva solución BF.
   Tabla 9.22: Parte de la segunda tabla símplex de transporte que muestra los cambios en la solución BF
   Resumen del método símplex de transporte
   Tabla 9.23: Conjunto completo de tablas símplex de transporte del problema del Metro Water District
   Características especiales de este ejemplo
   9.3: Problema de asignación
   Ejemplo prototipo
   Tabla 9.24: Costos de manejo de materiales de la Job Shop Co. ($)
   Tabla 9.25: Tabla de costos del problema de asignación de la Job Shop Co.
   Modelo del problema de asignación
   Figura 9.5
   Procedimientos de solución de problemas de asignación
   Tabla 9.26: Tabla de parámetros del problema de asignación formulado como un problema de transporte, ilustrado para el ejemplo de la Job Shop Co.
   Ejemplo: asignación de productos a plantas
   Tabla 9.27: Datos del problema de la Better Products Co.
   Formulación de la opción 1.
   Formulación de la opción 2.
   Tabla 9.28: Tabla de parámetros para formular el problema de transporte de la opción 1 del problema de la Better Products Co.
   Tabla 9.29: Tabla de costos para formular el problema de asignación de la opción 2 del problema de la Better Products Co.
   Figura 9.6
   9.4: Un algoritmo especial para el problema de asignación
   Papel de las tablas de costos equivalentes
   Creación de elementos cero adicionales
   Resumen del algoritmo húngaro
   9.5: Conclusiones
   Referencias seleccionadas
   Ayudas de aprendizaje para este capítulo en el sitio de internet de este libro
   Ejemplos resueltos:
   Problemas
   Casos
   Caso 9.1 Envío de madera al mercado
   Resumen de casos adicionales en el sitio de internet de este libro
   Caso 9.2 Continuación del caso de estudio Texago
   Caso 9.3: Elección de proyectos
CAPÍTULO 10: Modelos de optimización de redes
   10.1: Ejemplo prototípico
   Figura 10.1
   10.2: Terminología de redes
   Tabla 10.1: Componentes de redes representativas
   Figura 10.2
   Figura 10.3
   10.3: Problema de la ruta más corta
   Algoritmo de la ruta más corta
   Aplicación de este algoritmo al problema de la ruta más corta de Seervada Park
   Tabla 10.2: Aplicación del algoritmo de la ruta más corta al problema de Seervada Park
   Uso de Excel para formular y resolver problemas de la ruta más corta
   Figura 10.4
   Recuadro de aplicación
   Otras aplicaciones
   10.4: Problema del árbol de expansión mínima
   Figura 10.5
   Algunas aplicaciones
   Un algoritmo
   Algoritmo del problema del árbol de expansión mínima
   Aplicación de este algoritmo al problema del árbol de expansión mínima de Seervada Park
   10.5: Problema de flujo máximo
   Figura 10.6
   Recuadro de aplicación
   Algunas aplicaciones
   Un algoritmo
   Figura 10.7
   Algoritmo de la trayectoria de aumento del problema de flujo máximo1
   Aplicación del algoritmo al problema de flujo máximo de Seervada Park
   Figura 10.8
   Búsqueda de una trayectoria de aumento
   Figura 10.9
   Recuadro de aplicación
   Figura 10.10
   Uso de Excel para formular y resolver problemas de flujo máximo
   Figura 10.11
   10.6: Problema del flujo de costo mínimo
   Algunas aplicaciones
   Tabla 10.3: Aplicaciones comunes del problema del flujo de costo mínimo
   Recuadro de aplicación
   Formulación del modelo
   Un ejemplo
   Figura 10.12
   Uso de Excel para formular y resolver problemas de flujo de costo mínimo
   Figura 10.13
   Casos especiales
   El problema de transporte.
   El problema de asignación.
   El problema de trasbordo.
   El problema de la ruta más corta.
   Figura 10.14
   Problema de flujo máximo.
   Figura 10.15
   Comentarios finales.
   10.7: Método símplex de redes
   Incorporación de la técnica de la cota superior
   Figura 10.16
   Correspondencia entre las soluciones BF y los árboles de expansión factibles
   Figura 10.17
   Selección de la variable básica entrante
   Figura 10.18
   Figura 10.19
   Figura 10.20
   Figura 10.21
   Selección de la variable básica saliente y la próxima solución BF
   Figura 10.22
   Terminación del ejemplo.
   Tabla 10.4: Cálculos para elegir la variable básica entrante en la iteración 2
   Figura 10.23
   Figura 10.24
   Tabla 10.5: Cálculos para elegir la variable básica entrante en la iteración 3
   Figura 10.25
   Figura 10.26
   Tabla 10.6: Cálculos para elegir la variable básica entrante en la iteración 3
   Figura 10.27
   10.8: Modelo de redes para optimizar los trueques entre tiempo y costo de un proyecto
   Ejemplo prototípico: Proyecto de Reliable Construction Co.
   Tabla 10.7: Lista de actividades para el proyecto de la Reliable Construction Co.
   Redes de proyectos
   Figura 10.28
   La ruta crítica
   Tabla 10.8: Trayectorias y sus longitudes a través de la red de proyecto de Reliable
   Trueques entre tiempo y costo de actividades individuales
   Figura 10.29
   Tabla 10.9: Datos de trueques entre tiempo y costo de las actividades del proyecto de Reliable
   ¿Cuáles actividades deben acelerarse?
   Tabla 10.10: Tabla inicial para analizar el costo del proyecto de Reliable
   Figura 10.30
   Uso de programación lineal para tomar decisiones de quiebre
   Figura 10.31
   10.9: Conclusiones
   Referencias seleccionadas
   Algunas aplicaciones ganadoras de premios de los modelos de optimización de redes:
   Ayudas de aprendizaje para este capítulo en nuestro sitio web
   Problemas
   Casos
   Caso 10.1Dinero en movimiento
   Tabla 1: Tasas de cambio
   Tabla 2: Costo de transacción, porcentaje
   Tabla 3: Límites de transacción en equivalentes a miles de dólares
   Resumen de los casos adicionales de nuestro sitio en internet
   Caso 10.2 Ayuda a los aliados
   Caso 10.3 Pasos hacia el éxito
CAPÍTULO 11: Programación dinámica
   11.1: Ejemplo prototipo de programación dinámica
   Ejemplo 1: El problema de la diligencia
   Figura 11.1
   Solución del problema
   Formulación.
   Procedimiento de solución.
   Figura 11.2
   11.2: Características de los problemas de programación dinámica
   11.3: Programación dinámica determinística
   Figura 11.3
   Ejemplo 2: Distribución de brigadas médicas entre países
   Tabla 11.1: Datos del problema del Consejo Mundial de la Salud
   Formulación.
   Recuadro de aplicación
   Figura 11.4
   Figura 11.5
   Procedimiento de solución.
   Figura 11.6
   Un problema de tipo prevalente: problema de distribución de esfuerzo
   Supuestos.
   Formulación.
   Ejemplo 3: Distribución de científicos entre grupos de investigación
   Tabla 11.2: Datos del problema del proyecto espacial del gobierno
   Formulación.
   Figura 11.7
   Procedimientos de solución.
   Ejemplo 4: Programación del nivel de empleados
   Formulación.
   Tabla 11.3: Datos del problema del local de Job Shop
   Figura 11.8
   Procedimiento de solución.
   Figura 11.9
   11.4: Programación dinámica probabilística
   Figura 11.10
   Ejemplo 5: Determinación de holguras por rechazos
   Formulación.
   Figura 11.11
   Procedimiento de solución.
   Ejemplo 6: Ganadora en Las Vegas
   Formulación.
   Figura 11.12
   Procedimiento de solución.
   11.5: Conclusiones
   Referencias seleccionadas
   Ayudas de aprendizaje para este capítulo en nuestro sitio web
   Problemas
CAPÍTULO 12: Programación entera
   12.1: Ejemplo prototipo
   Tabla 12.1: Datos del ejemplo de la California Manufacturing Co.
   El modelo PEB
   Opciones de software para resolver estos modelos
   12.2: Algunas aplicaciones PEB
   Análisis de inversión
   Elección del sitio
   Recuadro de aplicación
   Diseño de una red de producción y distribución
   Despacho de envíos
   Programación de actividades interrelacionadas
   Aplicaciones para líneas aéreas
   Recuadro de aplicación
   12.3: Usos innovadores de variables binarias en la formulación de modelos
   Restricciones de tipo una u otra
   Deben cumplirse Kde Nrestricciones
   Funciones con N valores posibles
   Problema de costo fijo
   Representación binaria de variables enteras en general
   12.4: Algunos ejemplos de formulación
   Ejemplo 1: Elecciones cuando las variables de decisión son continuas
   Tabla 12.2: Datos del ejemplo 1 (problema de la Good Products Co.)
   Formulación con variables binarias auxiliares.
   Ejemplo 2: Violación de la proporcionalidad
   Tabla 12.3: Datos del ejemplo 2 (problema de la Supersuds Corp.)
   Una formulación con variables binarias auxiliares.
   Otra formulación con variables binarias auxiliares.
   Figura 12.1
   Ejemplo 3: Cobertura de todas las características
   Tabla 12.4: Datos del ejemplo 3 (el problema de la Southwestern Airways)
   Formulación con variables binarias.
   12.5: Algunas perspectivas acerca de la solución de problemas de programación entera
   Recuadro de aplicación
   Figura 12.2
   Figura 12.3
   12.6: Técnica de ramificación y acotamiento y sus aplicaciones a la programación entera binaria
   Ramificación
   Figura 12.4
   Acotamiento
   Figura 12.5
   Sondeo
   Resumen de las pruebas de sondeo.
   Figura 12.6
   Resumen de la técnica de ramificación y acotamiento de PEB
   Terminación del ejemplo
   Iteración 2.
   Figura 12.7
   Iteración 3.
   Figura 12.8
   Iteración 4.
   Figura 12.9
   Otras opciones con la técnica de ramificación y acotamiento
   Resumen de criterios de sondeo.
   12.7: Algoritmo de ramificación y acotamiento para programación entera mixta
   Figura 12.10
   Recuadro de aplicación
   Resumen del algoritmo de ramificación y acotamiento de PEM
   Ejemplo de PEM
   Paso inicial.
   Iteración 1.
   Figura 12.11
   Iteración 2.
   Figura 12.12
   Iteración 3.
   Figura 12.13
   12.8: Enfoque de ramificación y corte para resolver problemas de PEB
   Antecedentes
   Preprocesado automático del problema de PEB pura
   Fijación de variables.
   Eliminación de restricciones redundantes.
   Estrechamiento de restricciones.13
   Figura 12.14
   Figura 12.15
   Generación de planos cortantes para PEB pura
   12.9: Incorporación de la programación de restricciones
   Naturaleza de la programación de restricciones
   Potencial de la programación de restricciones
   Restricción todas diferentes
   Restricción de elemento
   Investigación actual
   12.10: Conclusiones
   Referencias seleccionadas
   Algunas aplicaciones de programación entera ganadoras de premios
   Ayudas de aprendizaje para este capítulo en nuestro sitio web
   Problemas
   Casos
   Caso 12.1: Aspectos de capacidad
   Resumen de los casos adicionales en el sitio en internet de este libro
   Caso 12.2: Asignación de arte
   Caso 12.3: Juegos de cocina en almacén
   Caso 12.4: Asignación de estudiantes a escuelas (de nuevo)
CAPÍTULO 13: Programación no lineal
   13.1: Aplicaciones de muestra
   Problema de mezcla de productos con elasticidad de precios
   Figura 13.1
   Figura 13.2
   Problema de transporte con descuento de precios por volumen de embarque
   Figura 13.3
   Figura 13.4
   Selección de una cartera de inversiones riesgosas
   Recuadro de aplicación
   13.2: Ilustración gráfica de problemas de programación no lineal
   Figura 13.5
   Figura 13.6
   Figura 13.7
   Figura 13.8
   Figura 13.9
   Figura 13.10
   13.3: Tipos de problemas de programación no lineal
   Optimización no restringida
   Figura 13.11
   Optimización restringida linealmente
   Programación cuadrática
   Programación convexa
   Programación separable
   Programación no convexa
   Programación geométrica
   Programación fraccional
   Problema de complementariedad
   13.4: Optimización no restringida de una variable
   Figura 13.12
   Método de bisección
   Resumen del método de bisección
   Ejemplo.
   Figura 13.13
   Tabla 13.1: Aplicación del método de bisección al ejemplo
   Método de Newton
   Resumen del método de Newton
   Ejemplo.
   Tabla 13.2: Aplicación del método de Newton al ejemplo
   13.5: Optimización no restringida de varias variables
   Procedimiento de búsqueda de gradiente
   Resumen del procedimiento de búsqueda del gradiente
   Ejemplo.
   Tabla 13.3: Aplicación del procedimiento de búsqueda del gradiente al ejemplo
   Figura 13.14
   Método de Newton
   13.6: Condiciones de Karush-Kuhn-Tucker (KKT) para optimización restringida
   Tabla 13.4: Condiciones necesarias y suficientes para la optimalidad
   Teorema.
   Corolario.
   Ejemplo.
   13.7: Programación cuadrática
   Condiciones KKT para programación cuadrática
   Método símplex modificado
   Ejemplo.
   Tabla 13.5: Aplicación del método símplex modificado al ejemplo de programación cuadrática
   Algunas opciones de software
   13.8: Programación separable
   Figura 13.15
   Reformulación como un problema de programación lineal
   Propiedad esencial de programación separable.
   Ejemplo.
   Figura 13.16
   Formulación.
   Extensiones
   13.9: Programación convexa
   Algoritmo de aproximación lineal secuencial (Frank-Wolfe)
   Resumen de algoritmo de Frank-Wolfe
   Ejemplo.
   Figura 13.17
   Tabla 13.6: Aplicación del algoritmo de Frank-Wolfe al ejemplo
   Algunos otros algoritmos
   Técnica secuencial de minimización no restringida (SUMT)
   Resumen de la SUMT
   Ejemplo.
   Tabla 13.7: Ilustración de la SUMT
   Algunas opciones de software para programación convexa
   13.10: Programación no convexa (con hojas de cálculo)
   El reto de resolver problemas de programación no convexa
   Recuadro de aplicación
   Uso de Solver para encontrar óptimos locales
   Figura 13.18
   Figura 13.19
   Un enfoque más sistemático para encontrar óptimos locales
   Figura 13.20
   Evolutionary Solver
   13.11: Conclusiones
   Referencias seleccionadas
   Ayudas de aprendizaje para este capítulo en nuestro sitio web
   Problemas
   Casos
   Caso 13.1 Selección inteligente de acciones
   Resumen de casos adicionales
   Caso 13.2 Inversiones internacionales
   Caso 13.3Promoción de un cereal para el desayuno, Revisado
CAPÍTULO 14: Metaheurística
   14.1: Naturaleza de la metaheurística
   Ejemplo: un problema de programación no-lineal con óptimos locales múltiples
   Figura 14.1
   Figura 14.2
   Figura 14.3
   Ejemplo: problema del agente viajero
   Figura 14.4
   Figura 14.5
   Algoritmo del subviaje inverso
   Paso inicial.
   Iteración.
   Regla de detención.
   Figura 14.6
   14.2: Búsqueda tabú
   Recuadro de aplicación
   Conceptos básicos
   Esquema de un algoritmo de búsqueda tabú básico
   Paso inicial.
   Iteración.
   Regla de detención.
   Problema del árbol de expansión mínima con restricciones
   Figura 14.7
   Iteración 1.
   Tabla 14.1: Opciones para agregar y borrar ligaduras en la iteración 1
   Figura 14.8
   Iteración 2.
   Tabla 14.2: Opciones para agregar y borrar ligaduras en la iteración 2
   Iteración 3.
   Tabla 14.3: Opciones para agregar y borrar ligaduras en la iteración 3
   Continuación.
   Ejemplo del problema del agente viajero
   Figura 14.9
   Figura 14.10
   14.3: Recocido simulado
   Conceptos básicos
   Tabla 14.4: Algunas probabilidades de muestra de que la regla de selección del movimiento acepte un paso descendente cuando el objetivo es maximizar
   Bosquejo de un algoritmo de templado simulado básico
   Paso inicial.
   Iteración.
   Verificación del programa de temperatura.
   Regla de detención.
   Ejemplo del problema del agente viajero
   Tabla 14.5: Aplicación del algoritmo de templado simulado del IOR Tutorial al ejemplo del problema del agente viajero
   Ejemplo de programación no lineal
   Tabla 14.6: Aplicación del algoritmo de templado simulado del IOR Tutorial al ejemplo de programación no lineal
   14.4: Algoritmos genéticos
   Conceptos básicos
   Recuadro de aplicación
   Esquema de un algoritmo genético básico
   Paso inicial.
   Iteración.
   Regla de detención.
   Versión entera del ejemplo de programación no lineal
   Tabla 14.7: Aplicación del algoritmo genético al ejemplo de programación no lineal entera durante a) el paso inicial y b) la iteración 1
   Ejemplo del problema del agente viajero
   Tabla 14.8: Ejemplo del proceso de generación de un hijo para el caso del agente viajero
   Procedimiento para generar un hijo
   Tabla 14.9: Aplicación del algoritmo genético del IOR Tutorial al ejemplo del problema del agente viajero durante a) el paso inicial y b) la iteración 1
   14.5: Conclusiones
   Referencias seleccionadas
   Ayudas de aprendizaje para este capítulo en nuestro sitio web
   Ejemplos resueltos:
   Suplementos de este capítulo:
   Problemas
CAPÍTULO 15: Teoría de juegos
   15.1: Formulación de juegos de dos personas y suma cero
   Tabla 15.1: Matriz de pagos del juego de pares y nones
   15.2: Solución de juegos sencillos: ejemplo prototipo
   Formulación como un juego de dos personas y suma cero
   Tabla 15.2: Formulación de la matriz de pagos del problema de la campaña política
   Variación 1 del ejemplo
   Tabla 15.3: Matriz de pagos de la variación 1 del problema de la campaña política
   Variación 2 del ejemplo
   Tabla 15.4: Matriz de pagos del jugador 1 en la variación 2 del problema de la campaña política
   Variación 3 del ejemplo
   Tabla 15.5: Matriz de pagos del jugador 1 de la variación 3 del problema de la campaña política
   15.3: Juegos con estrategias mixtas
   15.4: Procedimiento de solución gráfico
   Tabla 15.6: Tabla de pagos reducida del jugador 1 de la variación 3 del problema de la campaña política
   Figura 15.1
   15.5: Solución mediante programación lineal
   La formulación de la programación lineal
   Aplicación a la variación 3 del problema de las campañas políticas
   15.6: Extensiones
   15.7: Conclusiones
   Referencias seleccionadas
   Ayudas de aprendizaje para este capítulo en nuestro sitio web
   Problemas
CAPÍTULO 16: Análisis de decisiones
   16.1: Ejemplo prototipo
   Tabla 16.1: Ganancias prospectivas para la Goferbroke Company
   16.2: Toma de decisiones sin experimentación
   Formulación del ejemplo prototipo en este contexto
   Tabla 16.2: Tabla de pagos para la formulación de análisis de decisiones del problema de Goferbroke Co.
   Recuadro de aplicación
   Criterio del pago máximo
   Tabla 16.3: Aplicación del criterio de pagos maximin en el primer problema de la Goferbroke Co.
   Criterio de la máxima posibilidad
   Tabla 16.4: Aplicación de la regla de máxima probabilidad en el primer problema de la Goferbroke Co.
   Regla de decisión de Bayes1
   Análisis de sensibilidad con la regla de decisión de Bayes
   Figura 16.1
   16.3: Toma de decisiones con experimentación
   Continuación del ejemplo prototipo
   Probabilidades a posteriori
   Recuadro de aplicación
   Figura 16.2
   Figura 16.3
   Tabla 16.5: Política óptima con experimentación, de acuerdo con la regla de Bayes, para el problema de la Goferbroke Co.
   El valor de la experimentación
   Valor esperado de la información perfecta.
   Tabla 16.6: Pago esperado con información perfecta para el problema completo de la Goferbroke Co.
   Valor esperado de la experimentación.
   16.4: Árboles de decisión
   Construcción del árbol de decisión
   Figura 16.4
   Recuadro de aplicación
   Figura 16.5
   Realización del análisis
   Figura 16.6
   16.5: Utilización de hojas de cálculo para realizar análisis de sensibilidad en árboles de decisión
   Uso de ASPE para construir el árbol de decisión del primer problema de la Goferbroke Co.
   Figura 16.7
   Figura 16.8
   Figura 16.9
   Figura 16.10
   Árbol de decisión para el problema completo de la Goferbroke Co.
   Figura 16.11
   Organización de la hoja de cálculo para realizar análisis de sensibilidad
   Figura 16.12
   Uso de una tabla de datos para realizar el análisis de sensibilidad de manera automática
   Figura 16.13
   Política óptima
   16.6: Teoría de la utilidad
   Función de utilidad del dinero
   Figura 16.14
   Método de la lotería equivalente
   Aplicación de la teoría de utilidad al problema completo de Goferbroke Co.
   Tabla 16.7: Utilidades para el problema completo de la Goferbroke Co.
   Figura 16.15
   Otro enfoque para estimar U(M)
   Uso de un árbol de decisión para analizar el problema de la Goferbroke Co. con utilidades
   Figura 16.16
   16.7: Aplicación práctica del análisis de decisiones
   16.8: Conclusiones
   Referencias seleccionadas
   Ayudas de aprendizaje para este capítulo en nuestro sitio web
   Problemas
   Casos
   Caso 16.1 Negocios inteligentes
   Tabla 1: Distribución de probabilidad de unidades vendidas dado un precio alto ($50)
   Tabla 2: Distribución de probabilidad de unidades vendidas, dado un precio medio ($40)
   Tabla 3: Distribución de probabilidad de unidades vendidas, dado un precio bajo ($30)
   Resumen de los casos adicionales en el sitio en internet de este libro
   Caso 16.2 Apoyo inteligente al conductor
   Caso 16.3 ¿Quién quiere ser millonario?
   Caso 16.4 University Toys y los personajes de acción de un profesor de ingeniería
CAPÍTULO 17: Teoría de colas
   17.1 Ejemplo prototipo
   17.2: Estructura básica de los modelos de colas
   Proceso básico de colas
   Figura 17.1
   Fuente de entrada (población potencial)
   Cola
   Disciplina de la cola
   Mecanismo de servicio
   El proceso de colas elemental
   Figura 17.2
   Terminología y notación
   Relaciones entre L, W, Lq y Wq
   17.3: Ejemplos de sistemas de colas reales
   Algunas clases de sistemas de colas
   Algunas aplicaciones de teoría de colas ganadoras de premios
   17.4: Papel de la distribución exponencial
   Figura 17.3
   17.5: Proceso de nacimiento y muerte
   Análisis del proceso de nacimiento y muerte
   Figura 17.4
   Principio de tasa de entrada = tasa de salida.
   Tabla 17.1: Ecuaciones de balance del proceso de nacimiento y muerte
   Resultados del proceso de nacimiento y muerte
   17.6: Modelos de colas basados en el proceso de nacimiento y muerte
   Modelo M/M/s
   Figura 17.5
   Resultados en el caso de un servidor (M/M/1).
   Recuadro de aplicación
   Resultados del caso de varios servidores (s > 1).
   Figura 17.6
   Ejemplo del Hospital General con el modelo M/M/s.
   Tabla 17.2: Resultados de estado estable del modelo M/M/s del problema del Hospital General
   Variación de cola finita al modelo M/M/s (llamado modelo M/M/s/K)
   Resultados en el caso de un servidor (M/M/1/K).
   Resultados en el caso de varios servidores (s > 1).
   Variación de fuente de entrada finita al modelo M/M/s
   Figura 17.7
   Resultados para el caso de un solo servidor (s = 1).
   Resultados para el caso de varios servidores (s > 1).
   17.7: Modelos de colas con distribuciones no exponenciales
   Modelo M/G/1
   Modelo M/D/s
   Figura 17.8
   Modelo M/Ek/s
   Figura 17.9
   Figura 17.10
   Modelos sin entradas de Poisson
   Figura 17.11
   Figura 17.12
   Otros modelos
   17.8: Modelos de colas con disciplina de prioridades
   Los modelos
   Resultados en el modelo con prioridades sin interrupción
   Variación de un servidor en el modelo de prioridades sin interrupción
   Resultados en el modelo de prioridades con interrupción
   Ejemplo del Hospital General con prioridades
   Tabla 17.3: Resultados de estado estable del modelo de disciplina de prioridades del problema del Hospital General
   Obtención de resultados de prioridades con interrupción.
   Conclusiones.
   17.9: Redes de colas
   Colas infinitas en serie
   Recuadro de aplicación
   Redes de Jackson
   Tabla 17.4: Datos del ejemplo de una red de Jackson
   17.10: Aplicación de la teoría de colas
   ¿Cuántos servidores deben proporcionarse?
   Figura 17.13
   Ejemplo
   Figura 17.14
   Tabla 17.5: Cálculo de E(CT) de valores alternativos de s en el ejemplo del taller Acme Machine
   Otros temas
   17.11: Conclusiones
   Referencias seleccionadas
   Algunas aplicaciones de la teoría de colas que han ganado premios
   Ayudas de aprendizaje para este capítulo en nuestro sitio web
   Problemas20
   Casos
   Caso 17.1: Reducción de inventario en proceso
   Resumen de los casos adicionales en el sitio en internet de este libro
   Caso 17.2: Dilema de colas
CAPÍTULO 18: Teoría de inventarios
   18.1: Ejemplos
   Ejemplo 1: Fabricación de bocinas para televisores
   Ejemplo 2: Distribuidor mayorista de bicicletas
   18.2: Componentes de los modelos de inventarios
   18.3: Modelos determinísticos de revisión continua
   Figura 18.1
   Modelo EOQ básico
   Supuestos (modelo EOQ básico)
   Modelo EOQ con faltantes planeados
   Figura 18.2
   Modelo EOQ con descuentos por cantidad
   Figura 18.3
   Algunas plantillas útiles de Excel
   Observaciones sobre los modelos EOQ
   Diferentes tipos de demanda de un producto
   Papel de la administración de inventarios justo a tiempo (JIT)
   18.4: Modelo determinístico con revisión periódica
   Un ejemplo
   Figura 18.4
   Un algoritmo
   Figura 18.5
   Aplicación del algoritmo al ejemplo
   Figura 18.6
   Programas de producción óptimos
   18.5: Modelos de inventario determinísticos con múltiples escalones para administrar una cadena de proveedores
   Recuadro de aplicación
   Modelo de sistema serial de dos escalones
   Figura 18.7
   Supuestos del modelo serial de dos escalones
   Figura 18.8
   La trampa de optimizar las dos instalaciones por separado.
   Procedimiento de redondeo de n*
   Optimización de las dos instalaciones en forma simultánea.
   Ejemplo.
   Tabla 18.1: Aplicación del modelo serial de dos escalones al ejemplo
   Modelo de un sistema serial con escalones múltiples
   Figura 18.9
   Supuestos del modelo serial de escalones múltiples
   Figura 18.10
   Un problema modificado que es fácil de resolver.
   Fase 1 del procedimiento de solución.
   Esquema de la fase 1 (solución de la relajación)
   Fase 2 del procedimiento de solución.
   Esquema de la fase 2 (solución del problema modificado)
   Ejemplo.
   Tabla 18.2: Datos del ejemplo de un sistema de inventarios con cuatro escalones
   Tabla 18.3: Datos ajustados del ejemplo de cuatro escalones después de combinar las instalaciones 3 y 4 para propósitos de modelados
   Tabla 18.4: Resultados de la aplicación del procedimiento de solución al ejemplo de cuatro escalones
   Extensiones de estos modelos
   Figura 18.11
   Figura 18.12
   18.6: Modelo estocástico con revisión continua
   Supuestos del modelo
   Elección de la cantidad de la orden Q
   Elección del punto de reorden R
   Medidas alternativas del nivel de servicio
   Procedimiento general para elegir R con la medida 1 de nivel de servicio
   Figura 18.13
   Ejemplo
   18.7: Modelo estocástico de periodo único para productos perecederos
   Algunos tipos de productos perecederos
   Recuadro de aplicación
   Ejemplo
   Supuestos del modelo
   Análisis del modelo sin inventario inicial (I = 0) y sin costo de preparación (K = 0)
   Figura 18.14
   Aplicación al ejemplo
   Análisis del modelo con inventario inicial (I > 0) pero sin costo de preparación (K = 0)
   Política óptima de inventarios con I > 0 y K = 0
   Análisis del modelo con un costo de preparación (K > 0)
   Figura 18.15
   Política de inventarios óptima con I ≥ 0 y K > 0
   Aplicación al ejemplo
   Solución aproximada de política óptima cuando la demanda presenta una distribución exponencial
   18.8: Administración de los ingresos
   Recuadro de aplicación
   Modelo de tarifas de descuento controladas por capacidad
   Ejemplo que aplica este modelo a las tarifas de descuento controladas por capacidad
   Modelo de sobreventa
   Ejemplo de aplicación de este modelo de sobreventa
   Otros modelos
   18.9: Conclusiones
   Referencias seleccionadas
   Algunas aplicaciones de la teoría de inventarios que han ganado premios
   Ayudas de aprendizaje para este capítulo en nuestro sitio web
   Ejemplos resueltos en inglés:
   Archivos de Excel “Ch. 18 —Inventory Theory”:
   Problemas
   Casos
   Caso 18.1: Actualización de control de inventarios
   Resumen de los casos adicionales en el sitio en internet de este libro
   Caso 18.2: Aprovechar las enseñanzas del voceador
   Caso 18.3: Descartar el inventario excedente
CAPÍTULO 19: Procesos de decisión markovianos
   19.1: Ejemplo prototipo
   Tabla 19.1: Datos de costos del ejemplo prototipo
   19.2: Modelo de procesos de decisión markovianos
   Recuadro de aplicación
   Solución del ejemplo prototipo por enumeración exhaustiva
   19.3: Programación lineal y políticas óptimas
   Políticas aleatorizadas
   Formulación de programación lineal
   Solución del ejemplo prototipo por programación lineal
   19.4: Conclusiones
   Referencias seleccionadas
   Ayudas de aprendizaje para este capítulo en nuestro sitio web
   Problemas
CAPÍTULO 20: Simulación
   20.1: Esencia de la simulación
   Papel de la simulación en los estudios de investigación de operaciones
   Simulación de eventos discretos versus continuos
   Ejemplo 1: Juego de lanzamiento de monedas
   Reglas del juego
   Figura 20.1
   Figura 20.2
   Figura 20.3
   Ejemplo 2: Sistema de colas M/M/1
   Resumen de incrementos de tiempo fijo
   Tabla 20.1: Aplicación de incrementos de tiempo fijo al ejemplo 2
   Resumen de incremento por eventos
   Tabla 20.2: Aplicación de incrementos por evento al ejemplo 2
   Figura 20.4
   Más ejemplos en el OR Courseware
   20.2: Algunos tipos comunes de aplicaciones de simulación
   Diseño y operación de sistemas de colas
   Administración de sistemas de inventarios
   Estimación de la probabilidad de terminar un proyecto a tiempo
   Diseño y operación de sistemas de manufactura
   Recuadro de aplicación
   Diseño y operación de sistemas de distribución
   Análisis de riesgo financiero
   Aplicaciones en el cuidado de la salud
   Aplicaciones en otras industrias de servicios
   Aplicaciones militares
   Nuevas aplicaciones
   20.3: Generación de números aleatorios
   Tabla 20.3: Tabla de dígitos aleatorios
   Características de los números aleatorios
   Métodos congruenciales para generar números aleatorios
   Tabla 20.4: Ilustración del método congruencial mixto
   Tabla 20.5: Conversión de números aleatorios enteros en números aleatorios uniformes
   20.4: Generación de observaciones aleatorias a partir de una distribución de probabilidad
   Distribuciones discretas sencillas
   Método de transformación inversa
   Resumen del método de transformada inversa
   Figura 20.5
   Figura 20.6
   Distribuciones exponencial y de Erlang
   Distribuciones normal y ji cuadrada
   Método de aceptación-rechazo
   20.5: Descripción de un estudio de simulación importante
   Paso 1: formulación del problema y planeación del estudio
   Recuadro de aplicación
   Paso 2: recolección de datos y formulación del modelo de simulación
   Paso 3: comprobación de la precisión del modelo de simulación
   Paso 4: selección del software y creación del programa de computadora
   Paso 5: prueba de validación del modelo de simulación
   Recuadro de aplicación
   Paso 6: planeación de las simulaciones que deben realizarse
   Paso 7: realización de corridas de simulación y análisis de los resultados
   Paso 8: presentación de recomendaciones a la administración
   20.6: Simulación con hojas de cálculo
   Ejemplo de administración de inventarios: el problema de Freddie, el voceador
   Modelo en hoja de cálculo para este problema
   Figura 20.7
   Aplicación de ASPE
   Definición de las celdas de variable incierta.
   Figura 20.8
   Figura 20.9
   Definición de las celdas de resultados.
   Definición de una celda (o celdas) de estadísticas
   Procedimiento para definir una celda de estadística
   Figura 20.10
   Configuración de las opciones de simulación.
   Figura 20.11
   Corrida de simulación.
   Figura 20.12
   Figura 20.13
   Figura 20.14
   ¿Cuán exactos son los resultados de la simulación?
   Reporte de análisis paramétrico y gráficas de tendencia
   Procedimiento para definir una variable de decisión como celda de parámetro
   Figura 20.15
   Figura 20.16
   Figura 20.17
   Figura 20.18
   Figura 20.19
   Figura 20.20
   Optimización con simulación y el Solver de ASPE
   Figura 20.21
   Figura 20.22
   Figura 20.23
   Procedimiento para la aplicación de Solver
   20.7: Conclusiones
   Referencias seleccionadas
   Ayudas de aprendizaje para este capítulo en nuestro sitio web
   Problemas
   Casos
   Caso 20.1: Reducción del inventario en proceso (modificado)
   Caso 20.2: Aventuras de acción
   Resumen de los casos adicionales en el sitio en internet de este libro
   Caso 20.3: Planeación de aplanadores
   Caso 20.4: Determinación de precios bajo presión
Back Matter
   APÉNDICE 1: Documentación del OR Courseware
   OR tutor
   IOR tutorial
   Archivos de excel
   Analytic Solver Platform for Education (ASPE)
   MPL/Solvers
   Archivos LINGO/LINDO
   Actualizaciones
   APÉNDICE 2: Convexidad
   Funciones convexas o cóncavas de una sola variable
   Figura A2.1
   Figura A2.2
   Figura A2.3
   Figura A2.4
   Figura A2.5
   Figura A2.6
   Funciones convexas o cóncavas de varias variables
   Tabla A2.1: Prueba de convexidad para una función de dos variables
   Conjuntos convexos
   Figura A2.7
   Figura A2.8
   Figura A2.9
   Figura A2.10
   Figura A2.11
   APÉNDICE 3: Métodos de optimización clásica
   Optimización no restringida de una función de una sola variable
   Figura A3.1
   Optimización no restringida de una función de varias variables
   Optimización restringida con restricciones de igualdad
   Derivada de una integral definida
   APÉNDICE 4: Matrices y operaciones con matrices
   Operaciones con matrices
   Tipos especiales de matrices
   Vectores
   Algunas propiedades de matrices
   APÉNDICE 5: Tabla de una distribución normal
   Tabla A5.1: Áreas bajo la curva normal desde Kα hasta ∞
   Respuestas parciales a problemas seleccionados
   Capítulo 3
   Capítulo 4
   Capítulo 5
   Capítulo 6
   Capítulo 7
   Capítulo 8
   Capítulo 9
   Capítulo 10
   Capítulo 11
   Capítulo 12
   CapÍtulo 13
   Capítulo 14
   Capítulo 15
   Capítulo 16
   Capítulo 17
   Capítulo 18
   Capítulo 19
   Capítulo 20
   índice analítico