DESCRIPCIÓN BREVE

El modelo operacional de una organización

es la expresión máxima de cómo la
empresa hace efectiva la ejecución de su
negocio. En ese sentido, es la mejor “big
picture” que puede tener cualquier
miembro de la organización,
independientemente del nivel que tenga y
MODELOS la función que desempeñe en la misma
ALUMNO
CARLOS MANUEL ROMERO GAMBOA,
OPERACIONALES ADMINISTRACION DE EMPRESAS 601

TRABAJO FINAL
INDICE
TEMA: 1.- TRANSPORTE .............................................................................................................. 2
1.1 Definición: ............................................................................................................................. 2
1.2 Métodos: ................................................................................................................................ 2
1.2.1 Método Vogel o de Multas.......................................................................................... 2
1.2.2 Método del costo mínimo ........................................................................................... 3
1.2.3 Método de la esquina noroeste ................................................................................ 5
TEMA: 2.- ASIGNACIÓN ................................................................................................................ 6
2.1 Definición ............................................................................................................................... 6
2.1. Método Húngaro ................................................................................................................. 8
TEMA: 3.- TEORIA DE COLAS O LINEAS DE ESPERA ...................................................... 10
3.1 Definición ............................................................................................................................. 10
3.2 Introducción a la Teoría de colas .................................................................................. 10
3.2.1 Objetivos de la Teoría de colas .............................................................................. 10
3.2.2 Notación de Kendall .................................................................................................. 10
3.2.3 Terminología ................................................................................................................ 11
TEMA: 4.- PROGRAMACIÓN DINAMICA................................................................................. 11
4.1 Definición ............................................................................................................................. 11
4.2 Estructura de la programación dinámica .................................................................... 11
TEMA: 5.- PROGRAMACIÓN LINEAL ...................................................................................... 12
5.1 Definición ............................................................................................................................. 12
5.2 Método grafico ................................................................................................................... 13
5.3 Método Simplex ................................................................................................................. 14
5.4 Método Dual ........................................................................................................................ 15
6.- CONCLUSIONES ..................................................................................................................... 17
7.- REFERENCIAS ........................................................................................................................ 18

1
 TEMA: 1.- TRANSPORTE

1.1 Definición:

El modelo de transporte es un caso particular de los problemas referidos a la

programación lineal. Trata situaciones de envío de productos de lugares llamados
puntos origen (fuentes de abastecimiento) a los puntos destino (fuentes de
consumo), siendo su objetivo, determinar las cantidades óptimas de envío de las
fuentes de abastecimiento a las fuentes de consumo que minimicen el costo total
del transporte, al mismo tiempo que satisfagan tanto los límites de la oferta como
los requerimientos de la demanda. (Taha, 2004.)

1.2 Métodos:

1.2.1 Método Vogel o de Multas

Es un método heurístico de resolución de problemas de transporte capaz de

alcanzar una solución básica no artificial de inicio, este modelo requiere de la
realización de un número generalmente mayor de iteraciones que los demás
métodos heurísticos existentes con este fin, sin embargo, produce mejores
resultados iniciales que los mismos. En este método no estaremos profundizando
ya que será estudiado más detenidamente más adelante. (Fernando, 2002)

El método consiste en la realización de un algoritmo que consta de 3 pasos

fundamentales y 1 más que asegura el ciclo hasta la culminación del método.

Paso 1
Determinar para cada fila y columna una medida de penalización restando los dos
costos menores en filas y columnas.

Paso 2
Escoger la fila o columna con la mayor penalización, es decir que de la resta
realizada en el «Paso 1» se debe escoger el número mayor. En caso de haber
empate, se debe escoger arbitrariamente (a juicio personal).

Paso 3
De la fila o columna de mayor penalización determinada en el paso anterior
debemos de escoger la celda con el menor costo, y en esta asignar la mayor
cantidad posible de unidades. Una vez se realiza este paso una oferta o demanda
quedará satisfecha por ende se tachará la fila o columna, en caso de empate solo
se tachará 1, la restante quedará con oferta o demanda igual a cero (0).
2
Paso 4: De ciclo y excepciones
Si queda sin tachar exactamente una fila o columna con cero ofertas o demanda,
detenerse.

Si queda sin tachar una fila o columna con oferta o demanda positiva, determine las
variables básicas en la fila o columna con el método de costos mínimos, detenerse.
Si todas las filas y columnas que no se tacharon tienen cero oferta y demanda,
determine las variables básicas cero por el método del costo mínimo, detenerse.
Si no se presenta ninguno de los casos anteriores vuelva al paso 1 hasta que las
ofertas y las demandas se hayan agotado.

Ejemplo de Método de aproximación de Vogel

Por medio de este método resolveremos el ejercicio de transporte resuelto en
módulos anteriores mediante programación lineal.

1.2.2 Método del costo mínimo

El método del costo mínimo o método de los mínimos costos es un algoritmo

desarrollado con el objetivo de resolver problemas de transporte o distribución,
arrojando mejores resultados que métodos como el de la esquina noroeste, dado
que se enfoca en las rutas que presentan menores costos.

Este algoritmo es mucho más sencillo que los anteriores, dado que se trata
simplemente de la asignación de la mayor cantidad de unidades posibles (sujeta a
las restricciones de oferta y/o demanda) a la celda menos costosa de toda la matriz
hasta finalizar el método.

Algoritmo del Costo Mínimo

Paso 1
De la matriz se elige la ruta (celda) menos costosa (en caso de un empate, este se
rompe arbitrariamente) y se le asigna la mayor cantidad de unidades posible,
cantidad que se ve restringida ya sea por las restricciones de oferta o de demanda.
En este mismo paso se procede a ajustar la oferta y demanda de la fila y columna
afectada, restándole la cantidad asignada a la celda.

Paso 2
En este paso se procede a eliminar la fila o destino cuya oferta o demanda sea 0
después del «Paso 1», si dado el caso ambas son cero arbitrariamente se elige cual
eliminar y la restante se deja con demanda u oferta cero (0) según sea el caso.

3
Paso 3
Una vez en este paso existen dos posibilidades, la primera que quede un solo
renglón o columna, si este es el caso se ha llegado al final el método, «detenerse».
La segunda es que quede más de un renglón o columna, si este es el caso iniciar
nuevamente el «Paso 1».

Ejemplo del Método del Costo Mínimo

Por medio de este método resolveremos el problema de transporte propuesto y
resuelto en artículos anteriores mediante programación lineal.

El problema
Una empresa energética colombiana dispone de cuatro plantas de generación para
satisfacer la demanda diaria eléctrica en cuatro ciudades, Cali, Bogotá, Medellín y
Barranquilla. Las plantas 1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45 millones de KW
al día respectivamente. Las necesidades de las ciudades de Cali, Bogotá, Medellín
y Barranquilla son de 70, 40, 70 y 35 millones de Kw al día respectivamente. Los
costos asociados al envío de suministro energético por cada millón de KW entre
cada planta y cada ciudad son los registrados en la siguiente tabla.

Solución paso a paso

Seleccionamos la celda con menor valor, es decir la menos costosa, para
asignarle la mayor cantidad posible.

4
1.2.3 Método de la esquina noroeste

El método de la esquina Noroeste es un algoritmo heurístico capaz de solucionar

problemas de transporte o distribución mediante la consecución de una solución
básica inicial que satisfaga todas las restricciones existentes sin que esto implique
que se alcance el costo óptimo total.

Este método tiene como ventaja frente a sus similares la rapidez de su ejecución, y
es utilizado con mayor frecuencia en ejercicios donde el número de fuentes y
destinos sea muy elevado.

Su nombre se debe al génesis del algoritmo, el cual inicia en la ruta, celda o esquina
Noroeste. Es común encontrar gran variedad de métodos que se basen en la misma
metodología de la esquina Noroeste, dado que podemos encontrar de igual manera
el método e la esquina Noreste, Sureste o Suroeste. (Fernando, 2002)

Algoritmo de resolución de la Esquina Noroeste

Se parte por esbozar en forma matricial el problema, es decir, filas que representen
fuentes y columnas que representen destinos, luego el algoritmo debe de iniciar en
la celda, ruta o esquina Noroeste de la tabla (esquina superior izquierda).

5
Paso 1
En la celda seleccionada como esquina Noroeste se debe asignar la máxima
cantidad de unidades posibles, cantidad que se ve restringida ya sea por las
restricciones de oferta o de demanda. En este mismo paso se procede a ajustar la
oferta y demanda de la fila y columna afectada, restándole la cantidad asignada a
la celda.

Paso 2
En este paso se procede a eliminar la fila o destino cuya oferta o demanda sea 0
después del «Paso 1», si dado el caso ambas son cero arbitrariamente se elige cual
eliminar y la restante se deja con demanda u oferta cero (0) según sea el caso.

Paso 3
Una vez en este paso existen dos posibilidades, la primera que quede un solo
renglón o columna, si este es el caso se ha llegado al final el método, «detenerse».
La segunda es que quede más de un renglón o columna, si este es el caso iniciar
nuevamente el «Paso 1». (Salazar, 2021)

TEMA: 2.- ASIGNACIÓN

2.1 Definición
El modelo de asignación es un tipo especial de problema de programación lineal en
el que los asignados son recursos que se destinan a la realización de tareas. Por
ejemplo, los asignados pueden ser empleados a quienes se tiene que dar trabajo.
La asignación de personas a trabajos es una aplicación común del problema de
asignación. Sin embargo, los asignados no tienen que ser personas. También
pueden ser máquinas, vehículos o plantas, o incluso periodos a los que se asignan
tareas.

6
“La mejor persona para el puesto” es una buena descripción del modelo de
asignación.
El objetivo del modelo es determinar la asignación óptima (de costo mínimo)
de trabajadores a puestos.
El modelo general de asignación con n trabajadores y n puestos se representa
en la tabla siguiente:

modelo
Para que se ajuste a la definición de un problema de asignación, es necesario
que este tipo de aplicaciones se formule de manera tal que se cumplan los
siguientes supuestos:
El número de asignados es igual al número de tareas. (Este número se denota por
n.)
A cada asignado se le asigna sólo una tarea.
Cada tarea debe realizarla sólo un asignado.
Existe un costo cij asociado con el asignado i (i 5 1, 2, . . ., n) que realiza la tarea j
(j 1, 2, . . ., n).
El objetivo es determinar cómo deben hacerse las n asignaciones para minimizar
los costos totales.
Se puede resolver el modelo de asignación en forma directa como modelo normal
de transporte. Sin embargo, el hecho de que todas las ofertas y las demandas son
iguales a 1, condujo al desarrollo de un algoritmo sencillo de solución llamado
método húngaro. (Framar, 2007)

7
2.1. Método Húngaro
El método húngaro es un método de optimización de problemas de asignación,
conocido como tal gracias a que los primeros aportes al método clásico definitivo
fueron de Dénes König y Jenő Egerváry dos matemáticos húngaros. El algoritmo tal
como se detallará a continuación está diseñado para la resolución de problemas de
minimización únicamente.

Es importante resaltar que el método húngaro trabaja en una matriz de costos n*m
(en este caso conocida como matriz m*m, dado que el número de filas es igual al
número de columnas n = m).

Para resolver problemas de asignación, aplicando el método húngaro, se requiere

seguir los siguientes algoritmos o pasos:

Paso 1
En la matriz original de costo, identificar el mínimo de cada renglón y restarlo de
todos los elementos del renglón.
Paso 2
En la matriz que resulte del paso 1, identificar el mínimo de cada columna, y restarlo
de todos los elementos de la columna.

Paso 2.1
Si no se puede asegurar una asignación factible (con todos los elementos cero) con
los pasos 1 y 2,
a). Trazar la cantidad mínima de líneas horizontales y verticales en la última matriz
reducida que cubran todos los elementos cero.
b). Seleccionar el elemento mínimo no cubierto, restarlo de todo elemento no
cubierto y a continuación sumarlo a todo elemento en la intersección de dos líneas.
c). Si no se puede encontrar una asignación factible entre los elementos cero que
resulten, repetir el paso 2.1. En caso contrario, seguir en el paso 3 para determinar
la asignación óptima.

Paso 3
Identificar la solución óptima como la asignación factible asociada con los elementos
cero de la matriz obtenida en el paso 2.

8
EJEMPLO
Un equipo de 3 mecánicos debe ser asignado para la realización de 3 tareas, donde
cada mecánico debe hacer una tarea. Se requiere encontrar la asignación de costo
mínimo para lo cual se dispone de los costos asociados a que el mecánico i realice
la tarea j.

SOLUCIÓN

PASO 1: En la matriz original de costo, identificar el mínimo de cada renglón y

restarlo de todos los elementos del renglón.

PASO 2: En la matriz que resulte del paso 1, identificar el mínimo de cada columna,
y restarlo de todos los elementos de la columna.

PASO 3: Identificar la solución óptima como la asignación factible asociada con los
elementos cero de la matriz obtenida en el paso 2.

9
Las celdas con valor cero y color café son la solución óptima. En consecuencia, el
mecánico 1 realiza la tarea 2, el mecánico 2 asuma la tarea 1 y el mecánico 3 la
tarea 3. Cada mecánico realiza exactamente una tarea y el costo total de dicha
asignación (valor óptimo) es de Q9+Q10+Q8=Q27. (Framar, 2007)

TEMA: 3.- TEORIA DE COLAS O LINEAS DE ESPERA

3.1 Definición
La teoría de colas y de líneas de espera es estudio cuantitativo, que se presenta en
procesos frecuentes de atención al cliente de supermercados, bancos, oficinas de
gobierno, hospitales en el que solicitan generar una transacción, cuyos lugares en
muchos de los casos están sujetos a recursos y tiempo que tienen una capacidad
de atención limitada (María Luisa, 2011)

3.2 Introducción a la Teoría de colas

Se entiende por Teoría de Colas el estudio de las líneas de espera que se producen
cuando llegan clientes demandando un servicio, esperando si no se les puede
atender inmediatamente y partiendo cuando ya han sido servidos. El creador de la
Teoría de Colas fue el matemático danés A. K. Erlang por el año 1909. Ha tenido
un fuerte auge por su utilidad en el modelado del comportamiento estocástico de
gran número de fenómenos, tanto naturales como creados por el hombre.

3.2.1 Objetivos de la Teoría de colas

Los objetivos son dos:
 Describir adecuadamente el sistema,
 Tratar de optimizarlo.

3.2.2 Notación de Kendall

D.G. Kendall sugirió de una notación de utilidad para clasificar la amplia diversidad
de los diferentes modelos de línea de espera que se han desarrollado. La notación
de Kendall, de tres símbolos es como sigue: A/B/K Donde: A: indica la distribución
de probabilidades de las llegadas B: Indica la distribución de probabilidades de
tiempos de servicio • K: Indica el número de canales Dependiendo de la letra que
aparezca en la posición A o B, se puede describir una amplia variedad de sistemas
de línea de espera. (Naim, s.f.)

10
3.2.3 Terminología
Para especificar un tipo de cola se escribe:
proceso de llegada / proceso de servicio / nº de canales / capacidad / disciplina /
En el proceso de llegada puede aparecer:
M: los tiempos entre llegadas siguen una distribución exponencial.
GI: los tiempos entre llegadas son vv.aa.ii.ii.dd.
D: corresponde a un tiempo entre llegadas determinístico.
De forma análoga se identifican los procesos de servicio con M, G y D. Cuando la
capacidad es infinita y la disciplina FIFO, se suelen omitir estos campos.

Ejemplo: Si se escribe

significa que el tiempo entre llegadas es exponencial, el tiempo de servicio es

determinístico (normalmente vendrá dado por una lista o vector), el número de
canales es 2, la capacidad es infinita y la disciplina es FIFO.

TEMA: 4.- PROGRAMACIÓN DINAMICA

4.1 Definición
La programación dinámica, es una técnica que permite la resolución de problemas
que tratan de alcanzar determinados fines, a través, de una serie de etapas o fases
compuestas de diversos estados, de estos es necesario hacer una elección, de tal
manera que se alcance la máxima efectividad global, también podemos decir, que
es una técnica matemática que trata con la optimización de procesos de decisión.
La optimización es por fases en vez de simultánea.

4.2 Estructura de la programación dinámica

Elementos que intervienen en un problema de programación dinámica:
1.- Etapas:
Se pueden definir como cada uno de los pasos que se deben seguir para llegar al
objetivo. Las representamos por líneas discontinuas.
2.- Estados:
Son las diversas condiciones posibles en la que el sistema podría estar en esa
etapa del problema. Se representan por círculos.

11
3.- Política:
Es cualquiera de los caminos que llevan de la primera a la última etapa.
4.- Subpolítica:
Es un subconjunto de la política.

Luego, por el Teorema de Optimidad, podemos afirmar lo siguiente:

"Una política óptima sólo puede estar formada por subpolíticas óptimas".
Este teorema es susceptible de ser demostrado: Una subpolítica de la política
óptima, si esa subpolítica no es óptima, existe otra mejor, la cual completada con el
resto de la política, permitirá mejorar esta, por lo tanto, nos daría otra política óptima
y por lo señalado, sería contrario a la hipótesis. (PabloTurmero, s.f.)

TEMA: 5.- PROGRAMACIÓN LINEAL

5.1 Definición
Se conoce como programación lineal a la técnica de la matemática que permite la
optimización de una función objetivo a través de la aplicación de diversas
restricciones a sus variables. Se trata de un modelo compuesto, por lo tanto, por
una función objetivo y sus restricciones, constituyéndose todos estos componentes
como funciones lineales en las variables en cuestión. (Pérez Porto, 2013)

12
5.2 Método grafico
Es el método que permite la solución de problemas de programación lineal, el cual
se encuentra limitado a problemas de dos variables de decisión, debido a que no es
posible una representación gráfica de más de tres dimensiones. Lo que quiere decir,
que el método gráfico resulta impráctico o imposible para operaciones de tres o más
variables.
A pesar de que en la realidad es poco común que surjan problemas con solo dos
variables, resulta muy útil este método. Ahora bien, para profundizar sobre qué es
el método gráfico en investigación de operaciones es necesario conocer las fases
de dicha metodología de resolución de conflictos, las cuales son:
Trazar el gráfico de las soluciones factibles y de las restricciones. Por lo que, cada
variable de decisión debe estar representada por un eje.
Se debe establecer la escala de medidas adecuadas para cada uno de los ejes a
su variable.
Se deben dibujar las restricciones en el sistema de coordenadas, incluyendo las de
no negatividad.
Cuando se inserten todas las regiones, se determinará la región factible. Si el
espacio está vacío se continúa con los siguientes pasos.
Se determinan los puntos externos del polígono o poliedro que componen la región
factible.
Se evalúa la función objetiva en todos los vértices y aquellos que maximicen o
minimicen el valor resultante son los que determinarán la solución óptima.
(euroinnova, 2002)

Como vamos a trabajar con sistemas de dos ecuaciones lineales con dos incógnitas
(x e y), la gráfica de cada ecuación es una recta. Como consecuencia, la
intersección de las gráficas es un único punto (a, b).
y la solución del sistema es x = a e y = b. No obstante, si las rectas son paralelas
(no se cortan), el sistema no tiene solución, y si son iguales hay infinitas soluciones.
Para poder aplicar el método gráfico debemos saber representar las gráficas de las
rectas. Nosotros lo haremos uniendo puntos calculados previamente.

13
Ejemplo

5.3 Método Simplex

El Método Simplex es un método analítico de solución de problemas de
programación lineal, capaz de resolver modelos más complejos que los resueltos
mediante el método gráfico, sin restricción en el número de variables y con una
mayor capacidad de análisis de sensibilidad.

El Método Simplex es un método iterativo que permite ir mejorando la solución en

cada paso. La razón matemática de esta mejora radica en que el método consiste
en caminar del vértice de un poliedro a un vértice vecino de manera que aumente o
disminuya (según el contexto de la función objetivo, sea maximizar o minimizar).
Dado que el número de vértices que presenta un poliedro solución es finito, en la
medida en que se pueda satisfacer el conjunto de restricciones, siempre se hallará
como mínimo una solución óptima.

14
La importancia de la teoría de matrices en el Método Simplex es fundamental, dado
que el algoritmo se basa en dicha teoría para la resolución de sus problemas. De
tal manera que veremos previamente, en qué consiste una matriz identidad.
(Salazar, 2021)

5.4 Método Dual

Como sabemos, el método simplex es un algoritmo iterativo que iniciando en una
solución básica factible pero no óptima, genera soluciones básicas factibles cada
vez mejores hasta encontrar la solución óptima (sí esta existe). Nótese que la base
de su lógica es mantener la factibilidad, mientras busca la optimalidad. Pero surge
la posibilidad de usar otro esquema igualmente iterativo, que, como contraparte del
simplex, comienza en una solución básica óptima, pero no factible y mantiene la
inmejorabilidad mientras busca la factibilidad. Con este procedimiento se llega
igualmente a la solución óptima.
El nuevo algoritmo fue desarrollo en 1954 por C. E. Lemke y se conoce con el
nombre de Método Dual-Simplex. A continuación, se presenta su estructura y un
ejemplo para ilustrar su aplicación.
Primero se debe expresar el modelo en formato estándar, agregando las variables
de holgura y de exceso que se requieran.
Enseguida, en las ecuaciones que tengan variables de exceso (resultantes de
restricciones de tipo >), se debe multiplicar por (-1) en ambos lados, para hacer
positivo el coeficiente de la variable de exceso, y formar así un vector unitario que
nos permita tomar esta variable de exceso como una variable básica inicial. sin
necesidad de agregar una variable artificial en esa restricción.
Al hacer lo anterior se logra que debajo de las variables básicas aparezca una matriz
identidad, que es la que el simplex siempre toma como base inicial.

15
Obtendremos que los términos del lado derecho de las ecuaciones multiplicadas por
(-1) quedan con signo negativo, lo cual hace que la solución inicial sea infactible.
Es importante destacar que este proceso es muy útil ya que en muchos modelos
evita la inclusión de variables artificiales en el momento de transformar un modelo
a formato estándar.
El algoritmo para resolver un modelo de maximización es el siguiente:
Paso 1: Hallar una solución básica inicial infactible e inmejorable. Escribir el tablero
inicial tomando a las variables de holgura y de exceso como variables básicas
iniciales.
Paso 2: Prueba de factibilidad
Si todas las variables básicas son no negativas, la actual solución es la óptima. Si
hay al menos una variable básica negativa, seleccionar como variable de salida,
llamémosla (XB)s, a aquella con el valor más negativo. Los empates se pueden
romper arbitrariamente.
Paso 3: Prueba de inmejorabilidad.
Sí en el renglón de la variable básica de salida (XB)s todos los coeficientes de
reemplazo con las variables no básicas son no negativos, la solución del modelo es
óptima ¡limitada. Se termina el proceso.
Si en el renglón de la variable básica de salida (XB)s, hay al menos un coeficiente
de intercambio negativo, se efectúan los cocientes entre el efecto neto de cada
variable no básicas y su correspondiente coeficiente de intercambio negativo. Es
decir, siendo (XB)s la variable de salida se calculan todos los cocientes.

Se toma como variable de entrada (Llamémosla Xe) a aquella que corresponda al

mínimo de los cocientes del anterior conjunto Si la variable de entrada es Xe el
elemento pivote será el elemento (Se)s. El empate se puede romper arbitrariamente.
Aplicar la operación de pivoteo para generar la nueva tabla, en la cual aparezca Xe
como variable básica en lugar de la variable de salida (XB)s Repetir el algoritmo a
partir del paso 2. (Inveoperaciones, 2015)

16
 6.- CONCLUSIONES

A lo largo de esta indagación se ha llegado a la conclusión de que los diversos tipos

de modelos operacionales resultan indispensables para cualquier organización
gracias a esto se logra la mayor eficiencia de los recursos, tanto humanos como
financieros, ya que facilitan la estandarización de los procesos y la preservación del
conocimiento adquirido por la misma organización.

Por otra parte, se concluye que sin un modelo operacional adecuado el personal
que lo adapte difícilmente podrá contribuir a lo largo de los objetivos del modelo a
usar. Un modelo organización si su estructura está diseñada para cubrir sus
necesidades.

17
 7.- REFERENCIAS

euroinnova. (2002). euroinnova.mx. Obtenido de

https://www.euroinnova.mx/blog/que-es-el-metodo-grafico-en-investigacion-
de-operaciones#:~:text=por%20dicho%20modelo.-
,M%C3%A9todo%20gr%C3%A1fico,de%20m%C3%A1s%20de%20tres%2
0dimensiones.
Fernando, L. (2002). Nuevos métodos para la obtención de soluciones iniciales en
el problema de transporte. Mexico.
Framar. (2007). Wordpress. Obtenido de
https://proyectoinvestigacionoperaciones.wordpress.com
Inveoperaciones. (2015). Inveoperaciones. Obtenido de
https://inveoperaciones.wordpress.com/el-problema-dual-y-el-metodo-dual-
simplex/
María Luisa, Z. S. (2011). Lineas de Espera. Análisis de Optimización. En Z. S.
María Luisa, Lineas de Espera. Análisis de Optimización (págs. 100-105).
Naim, V. (s.f.). Eumed. Obtenido de https://www.eumed.net/libros-
gratis/2011b/969/notacion%20de%20kendall%20lee.html#:~:text=La%20not
aci%C3%B3n%20de%20Kendall%2C%20de,se%20puede%20describir%20
una%20amplia
PabloTurmero. (s.f.). monografias. Obtenido de
https://www.monografias.com/trabajos104/la-programacion-dinamica/la-
programacion-dinamica
Pérez Porto, J. M. (07 de 08 de 2013). Definición.de . Obtenido de
https://definicion.de/programacion-lineal/
Salazar, B. (16 de junio de 2021). Ingenieria Industrial . Obtenido de
https://www.ingenieriaindustrialonline.com/investigacion-de-
operaciones/metodo-de-la-esquina-noroeste/
Taha, H. (2004.). Investigación de operaciones. Mexico: Pearson educación.

18