Universidad de Valladolid, Valladolid, España 2 Departamento de Estadística, Investigación Operativa y Computación
|
|
- Víctor Manuel Díaz Camacho
- hace 6 años
- Vistas:
Transcripción
1 7 Congreso Nacional de Estadística e Investigación Operativa Lleida, 8 11 de abril de 003 ANEWPERSPECTIVEONTHEPARTIAL BACKLOGGING EOQ MODEL L.A. San José 1, J. Sicilia, J.G. Laguna 3 1 Departamento de Matemática Aplicada a la Técnica Universidad de Valladolid, Valladolid, España augusto@mat.uva.es Departamento de Estadística, Investigación Operativa y Computación Universidad de La Laguna, Tenerife, España jsicilia@ull.es 3 Departamento de Estadística e Investigación Operativa Universidad de Valladolid, Valladolid, España laguna@eio.uva.es ABSTRACT Te purpose of tis paper is to study te partial backlogging EOQ inventory system considering a customer impatience function. Tis approac assumes tat a part of te customers are impatience and tey will not wait to te new order is filled. So, a fixed fraction of te unsatisfied demand is backlogged and te rest is lost. We consider te purcase cost, olding cost, order cost and oter significant costs of sortage. Te economic lot size and te total cost minimum formulae are determined, wic depend on tis fraction of unsatisfied customers. Key Words: inventory management, EOQ models, sortage, partial backordering, customer impatience function. AMS subject classification: 90B05. 1 Introducción Desde su publicación inicial, mucas an sido las extensiones del modelo EOQ de Harris-Wilson construidas y resueltas formulando distintas ipótesis. Una situación muy importante para el control de inventarios tiene lugar cuando un cliente solicita un artículo no disponible en el almacén. Dos casos extremos se an considerado en la literatura sobre el tema: (i) toda la demanda es retropedida y servida tan pronto como llega al almacén un nuevo lote (caso de demanda pendiente o de retropedidos); 1
2 (ii) toda la demanda se pierde porue, al no encontrar lo ue desea, el cliente se va a otro lugar a satisfacer su necesidad (caso de pérdida de ventas). Sin embargo, en mucas situaciones prácticas se da una combinación de estos casos extremos y, por tanto, en un instante dado el nivel neto de inventario en el almacén (stock a mano - repropedidos) depende del grado en ue estas situaciones extremas se dan. Si, cuando ay escasez, toda la demanda es retropedida el nivel neto del inventario será negativo asta la siguiente llegada de un pedido; en cambio, si toda la demanda se pierde, el nivel neto de inventario se mantiene nulo asta la llegada del siguiente pedido. Los modelos de inventario ue consideran una mixtura fija de retropedidos y pérdida de ventas para artículos no perecederos fueron estudiados por Montgomery (1973), Rosenberg (1979) y Park (198). Estos autores consideran ue solamente una fracción fija β, con0 < β < 1, de la demanda durante el periodo sin existencias es servida tarde. En Abad (001) se considera el problema del inventario de un bien perecedero con retropedidos parciales. El retropedido parcial se modela usando un enfoue en el ue los clientes son considerados impacientes. Es decir, si nos encontramos en un periodo sin existencias sólo se sirve tarde una fracción de la demanda no satisfeca. Esta fracción es, además, una función decreciente del tiempo de espera. Sin embargo, Abad no incluye ni los costes de pérdida de confianza debido a la pérdida de ventas ni los costes de retropedidos debido ala escasez. Si en lafunciónde beneficios totales no se incluyen los costes anteriores, la solución óptima ue maximiza el beneficio total tendrá un número elevado de ventas perdidas y retropedidos, lo ue implica un coste también elevado. En este trabajo extendemos y modificamos el modelo de Abad (001) para un producto no perecedero en dos sentidos. En primer lugar, suponemos ue la impaciencia de los clientes es descrita por una función no creciente con valores en el intervalo [0,1]. Es importante señalar ue la función de impaciencia del modelo de Abad (001) es estrictamente decreciente, diferenciable al menos una vez y con valores menores ue uno. Con estas condiciones, el problema del sistema de inventario en el ue los clientes están dispuestos a esperar un tiempo fijo no puede tratarse con el modelo propuesto por Abad. De igual forma, tampoco se puede estudiar el modelo ue considera una mixtura fija de retropedidos y pérdida de ventas, caso ue nosotros estudiaremos en este trabajo. En segundo lugar, nosotros añadimos los costes de pérdida de confianza por una venta perdida y los costes de escasez asociados al retropedido. Como consecuencia, el modelo auí propuesto constituye un marco general para artículos no perecederos con precio de venta constante, ue incluye numerosos modelos previos como casos particulares (Hadley (1963)), Montgomery (1973), Rosenberg (1979), Park (198), Abad(001)). Además, damos un enfoue general para resolver el modelo. Para la función de impaciencia considerada en la Sección 4, deducimos algunos resultados ue aseguran la existencia de una política óptima. Este trabajo está estructurado de la siguiente forma. En la Sección se dan las
3 ipótesis y la notación ue se utilizará a lo largo del trabajo. En la Sección 3 se formula el modelo matemático. En la Sección 4 se presenta un enfoue general para resolver el problema. En la Sección 5, aplicando el procedimiento propuesto en la Sección 4, se da la política óptima cuando la función de impaciencia es constante. El trabajo finaliza con las conclusiones recogidas en la Sección 6. Hipótesis y notación Consideraremos las siguientes ipótesis: (1) El inventario es de un solo producto con demanda independiente. () El orizonte de planificación es infinito. (3) La tasa de demanda es conocida, constante y continua. (4) El abastecimiento es instantáneo. (5) El costo de reposición es fijo y no depende del tamaño del lote. El coste de almacenamiento es una función lineal del inventario medio. (6) Se permite escasez, ue es retropedida parcialmente. La fracción de demanda retropedida es B(τ), siendoτ is el tiempo ue el cliente espera asta ue recibe el artículo; es decir, los clientes son impacientes. (7) El coste de un retropedido incluye un coste fijo y un coste proporcional al tiempo ue se espera asta ue se recibe el artículo. (8) El coste de una venta perdida sin incluir la pérdida de beneficios es constante (coste de pérdida de confianza). Utilizaremos la siguiente notación: D : demanda por unidad de tiempo (> 0). K : coste de pedir por lote (> 0). p : coste unitario de compra (> 0). s : precio unitario de venta (s >p). : coste unitario de almacenamiento por unidad de tiempo. ω o : coste fijo de retropedido por unidad servida tarde, independiente del tiempo ( 0). ω : coste unitario y por unidad de tiempo de retropedido ( 0). Es decir, ω o +ωt es el coste unitario de retropedido cuando el tiempo de escasez es t. Consideraremos ue ω o + ω > 0, es decir, supondremos ue ambos costes unitarios no pueden ser simultáneamente nulos. π o : coste de pérdida de confianza de una venta perdida, es decir, coste debido a unaventaperdidasinincluirlapérdidadebeneficios ( 0). π : coste de una pérdida de ventas, incluyendo la pérdida de beneficios y de confianza; π = π o + s p (> 0). ξ o : coste medio fijo por escasez de una unidad, incluyendo el coste fijo de retropedido, la pérdida de beneficios y de confianza; es decir, ξ o = ρω o +(1 ρ)π. I(t) :nivel neto de inventario en el tiempo t. T : duración del ciclo de inventario con existencias ( 0). 3
4 Ψ : tiempo,encadaciclo,enelueelinventarionetoesnegativo( 0). : tamaño del lote ( 0). b : nivel de reabastecimiento ( 0). Consideraremos ue I(t) es una función periódica de periodo (T + Ψ) ycontinuaen el intervalo (0,T + Ψ). El sistema de inventario tiene demanda uniforme y su nivel decrece linealmente cuando es positivo, es decir, I(t) =D(T t) para t [0,T). Se supone ue los clientes son impacientes y en un momento dado t [T,T + Ψ) sólo se satisface una fracción de la demanda. Denotaremos por B(τ) esta fracción, siendo τ = T + Ψ t>0el tiempo ue los clientes esperan asta ue reciben el artículo solicitado. Supondremos ue B(τ) es una función no creciente y ue 0 B(τ) 1. Por tanto, para t [T,T + Ψ) se tiene Z Ψ Z Ψ I(t) =I(T + Ψ τ) = D B(r)dr = D B(r)dr. (1) τ T +Ψ t Además también existe lim t (T +Ψ) I(t), ue denotaremos por I T +Ψ, ysetiene: I T +Ψ = DM(Ψ), donde M(Ψ) = Z Ψ 0 B(r)dr. () 3 Formulación del modelo matemático Consideraremos un sistema de inventario de revisión continua con demanda determinista, escasez parcialmente retropedida y clientes impacientes. Por tanto, los ingresosyloscostesencadacicloson: Ingresos: sd(t + M(Ψ)). Costedecompra:pD(T + M(Ψ)). Costedereposición:K. Coste de almacenamiento: DT. Coste fijo de retropedido: ω o DM(Ψ). Coste de retropedido dependiente del tiempo: ωd R Ψ 0 τb(τ)dτ. Coste de pérdida de confianza: π o D(Ψ M(Ψ)). Portanto,elbeneficio en el intervalo [0,T + Ψ) es F (T,Ψ) = (s p)d(t + M(Ψ)) K DT ω o DM(Ψ) ωd Z Ψ 0 τb(τ)dτ π o D(Ψ M(Ψ)) = (s p)d(t + Ψ) K DT G(Ψ) 4
5 donde µz Ψ G(Ψ) =ω o DM(Ψ)+ωD es el coste de escasez por ciclo. En consecuencia, el beneficio medio por unidad de tiempo es 0 τb(τ)dτ + πd(ψ M(Ψ)) (3) siendo B(T,Ψ) = F (T,Ψ) T + Ψ =(s p)d C(T,Ψ) (4) C(T,Ψ) = 1 K + DT + G(Ψ). (5) T + Ψ Por tanto, maximizar B(T,Ψ) es euivalente a minimizar C(T,Ψ). En consecuencia, el problema es determinar las variables T y Ψ, cont 0, Ψ 0 y T + Ψ > 0, ue minimizan C(T,Ψ) en (5). Nota. Obsérvese ue si se consideran como variables de decisión a la cantidad económica de pedido y al nivel de reabastecimiento b, entonces = D(T + M(Ψ)) y b = DΨ. 4 Enfoue general para resolver el problema Podemos reformular el problema anterior como minimizar C(α, e Ψ) = 1 (α Ψ) K + D α sujeta a : 0 Ψ α, α > 0 + G(Ψ) (6) siendo α = T + Ψ la duración del ciclo de inventario. Si fijamos la variable Ψ, entonces la función C(α, e Ψ) es similar a la función objetivo del modelo EOQ de Harris-Wilson. En consecuencia, es una función convexa ue alcanza su mínimo en el punto ysuvalores r K +G(Ψ)+DΨ αψ = D > Ψ (7) ec(α Ψ, Ψ) = p KD +DG(Ψ)+(DΨ) DΨ = D(α Ψ Ψ) > 0. (8) Es claro ue si Ψ =0entonces G(Ψ) =0y recaemos en las fórmulas conocidas de Wilson para el modelo EOQ sin escasez: α Ψ = p K/D y e C(α Ψ, Ψ) = KD. Algunas propiedades importantes de la función e C(α Ψ, Ψ) son las siguientes: 5
6 a) Es continua en [0, ). b) lim Ψ ec(α Ψ, K Ψ) = lim Ψ Ψ + G(Ψ) Ψ K DΨ + G(Ψ) DΨ sin dificultad cuando conocemos o(g(ψ)). c) d ec(α Ψ,Ψ) = D L(Ψ), con dψ U(Ψ)V (Ψ) +1+1, luego el primer límite se calcula L(Ψ) = (G 0 (Ψ)) +D [ΨG 0 (Ψ) G(Ψ)] KD, (9) U(Ψ) = p KD +DG(Ψ)+(DΨ) y V (Ψ) = ³G 0 (Ψ)+DΨ + p KD +DG(Ψ)+(DΨ). Además, como U(Ψ) y V (Ψ) son positivas en [0, ), setieneue signo d ec(α Ψ, Ψ) = signol(ψ). dψ Teniendo en cuenta las propiedades anteriores, podemos dar el siguiente método para resolver el modelo propuesto en este trabajo: Método 1. Evaluar G(Ψ) utilizando (3).. Obtener G 0 (Ψ) y L(Ψ). 3. Resolver, si es posible, la ecuación L(Ψ) =0para encontrar Ψ.Enotrocaso, determinar el valor óptimo de Ψ estudiando directamente la función ec(α Ψ, Ψ). 4. Calcular el valor óptimo de α mediante (7) y acer lo mismo con ec(α, Ψ )= ec(t, Ψ ) de (8). 5 Resolución del problema para una función constantedeimpacienciadeclientes En esta sección consideraremos ue los retropedidos vienen determinados por una función constante de impaciencia. Es decir, supondremos ue B(τ) =ρ con τ > 0 y 0 ρ 1. Esta situación corresponde a los modelos de inventario ue consideran una mixtura fija de retropedidos y pérdida de ventas para artículos no perecederos señalada en la introducción. Teniendo en cuenta el método expuesto en la sección anterior, se tiene el siguiente Teorema 1. Si la función de impaciencia viene determinada por B(τ) =ρ con τ > 0 y 0 ρ 1, entonces el valor mínimo de ec(α Ψ, Ψ) se obtiene en el punto Ψ dado en la siguiente tabla: > 0 =0 < 0 ρω > 0 Ψ =0 Ψ =0 Ψ = Ψ o ρω =0 Ψ =0 todo Ψ [0, ) Ψ = siendo =(ξ o D) KD y Ψ o = K Dρω ξ o ρω(+ρω) ξo. +ρω +ρω 6
7 Demostración 1. Evaluación de G(Ψ): Por (), M(Ψ) =ρψ. Además, R Ψ Ψ τb(τ)dτ = ρ o y, por tanto, G(Ψ) = ξ o DΨ + ρωdψ /. Además, ½ si ρω > 0 lim Ψ ec(α Ψ, Ψ) = ξ o D si ρω =0.. Obtención de G 0 (Ψ) y L(Ψ): Como G 0 (Ψ) =ξ o D + ρωdψ, sustituyendo G(Ψ) y G 0 (Ψ) en (9), se tiene L(Ψ) =ρω( + ρω)d Ψ +ξ o ρωd Ψ +(ξ o D) KD. 3. Determinación de Ψ : (a) Si ρω > 0 entonces L(Ψ) es una función cuadrática con L(0) =. Por tanto: i. Si 0, L(Ψ) > 0 para Ψ > 0 y, por tanto, ec(α Ψ, Ψ) alcanza su mínimo en Ψ =0, α K = con valor D C(α, Ψ )= KD. Además, T = α,b =0y KD =. Es decir, retornamos al modelo EOQ sin escasez. ii. Si < 0, entoncesψ K = ξ o ξ o es la única Dρω ρω(+ρω) +ρω +ρω raíz de L(Ψ) =0con Ψ > 0 y ec(α Ψ, Ψ) alcanzasumínimoglobal en este punto. Usando (7) se tiene αψ = K ξo +ρω, D (+ρω) ρω de donde Ψ = ξo + +ρω +ρω α y, por (8), C(αΨ, Ψ ) = ξod + +ρω KD (ξ od) +ρω ρω. +ρω Además, b = DΨ = KD (ξod) ρω ρω(+ρω) D(T + ρψ )=D(α (1 ρ)ψ )=D = ρ(+ω) +ρω KD (ξod) (+ρω) +ρω ρω ξo(1 ρ) +ωρ + (1 ρ)ξod +ωρ. ξ od +ρω +ρω yde = i + ρ(+ω) +ωρ α se sigue Es decir, retornamos a los resultados conocidos para el modelo EOQ mixto con retropedidos y pérdida de ventas (Montgomery (1973), Rosenberg (1979), Park (198) y Laguna (00)). (b) Si ρω =0entonces L(Ψ) =. Por tanto: i. Si > 0 entonces ec(α Ψ, Ψ) alcanzasumínimoenψ =0con valor KD. ii. Si =0entonces ec(α Ψ, Ψ) es constante en el intervalo [0, ), es decir, alcanza el mínimo en todos los puntos de ese intervalo con valor KD. 7
8 Observaciones iii. Si < 0 entonces ec(α Ψ, Ψ) alcanza el mínimo en Ψ = con valor ξ o D. 1. Considerando ue b = DΨ y = DT + ρb se tiene D(T + Ψ) =DT + b = +(1 ρ)b, dedondec(α, e Ψ) =C(T,Ψ) = 1 DT (K + +ρξ T +Ψ o DΨ+ρωD Ψ ) = K D + ( ρb) + ξ D +(1 ρ)b (+(1 ρ)b) ob + ρω b +(1 ρ)b (+(1 ρ)b) ue corresponde a la función de coste para el modelo auí estudiado, cuando se consideran como variables el tamaño del lote de pedido yelnivelde reabastecimiento b (Montgomery (1973), Rosenberg (1979), Park (198), Mak (1987), Laguna (00)). La representaremos por C o (, b).. Si ρω =0, entonces el último término de la función de coste C o (, b) desaparece, manteniéndose el resto. En efecto: (a) Si ρ =0retornamos al modelo EOQ en el ue toda la escasez son ventas perdidas y ξ o = π > 0. En este caso no tiene sentido considerar los costes ω o ni ω, por lo ue la ipótesis ω o + ω > 0 no es necesaria. (b) Si ω =0, por la ipótesis ω o + ω > 0, se tiene ω o > 0 y ξ o > Si ρ = 1 y ω > 0 retornamos al modelo EOQ en ue toda la escasez es retropedida (Hadley (1963), Jonson (1974), Laguna (00)). 6 Conclusiones En este trabajo se presenta una nueva perspectiva para el estudio del modelo EOQ con mixtura de retropedidos y pérdida de ventas. Se considera ue los clientes son impacientes frente al servicio y ue cuando ay escasez ciertos clientes están dispuestos a esperar la llegada del próximo pedido, mientras ue otros desecan la compra del artículo. En particular se analiza la situación de una fracción fija de clientes ue no están dispuestos a esperar la llegada de un nuevo pedido. Se consideran costes de compra, de reposición, de mantenimiento y otros costes de escasez significativos. Con esta nueva perspectiva, se determinan el tamaño del lote óptimo y el coste mínimo. 7 Agradecimientos El autor Joauín Sicilia agradece a la Dirección Gral. de Universidades e Investigación del Gobierno de Canarias la concesión de una Beca de estancia en la Universidad de Valladolid, la cual permitió financiar la elaboración del presente trabajo. 8
9 Así mismo, los otros dos autores agradecen a la Dirección Gral. de Universidades e Investigación de la Consejería de Ecucación y Cultura de la Junta de Catilla y León la concesión del proyecto UV34/0 ue a servido para facilitar la realización de este trabajo. Referencias Abad, P.L. (001): Optimal price and order size for a reseller under partial backordering. Computers and Operations Researc 8, Hadley, G. and Witin, T.M. (1963). Analysis of Inventory Systems. Prentice-Hall. Jonson, L.A. and Montgomery, D.C. (1974). Operations Researc in Production Planning, Sceduling and Inventory Control. Jon Wiley. Laguna, J.G. y San José, L.A. (00): Modelos EOQ determinísticos. Working paper. Departamento de Estadística e Investigación Operativa. Universidad de Valladolid. Mak, K.L. (1987): Determining optimal production-inventory control policies for an inventory system wit partial backlogging. Computers and Operations Researc 14, Montgomery, D.C., Bazaraa, M.S. and Keswani, A.K. (1973): Inventory models wit a mixture of backorders and lost sales. Naval Researc Logistics Quaterly 0, Park, K.S. (198): Inventory model wit partial backorders. International Journal of Systems Sciences 13, Rosenberg, D. (1979): A new analysis of a lot size model wit partial backlogging. Naval Researc Logistics Quaterly 6,
Universidad de Valladolid, 47011 Valladolid, España E-mail: augusto@mat.uva.es 2 Departamento de Estadística, Investigación Operativa y Computación
27 Congreo Nacional de Etadítica e Invetigación Operativa Lleida, 8 11 de abril de 2003 THE EOQ/ω o + ωt/π o + πt/ρ INVENTORY SYSTEM L.A. San Joé 1, J. Sicilia 2, J.G. Laguna 3 1 Departamento de Matemática
Más detallesA LOT SIZE MODEL WITH LOSS OF SALES AND ALL-UNITS DISCOUNTS
27 Congreso Nacional de Estadística e Investigación Operativa Lleida, 8 11 de abril de 2003 A LOT SIZE MODEL WITH LOSS OF SALES AND ALL-UNITS DISCOUNTS L.A. San José 1, J.G. Laguna 2 1 Departamento de
Más detallesAdministración Financiera de Inventarios
Administración Financiera de Inventarios El administrador financiero y la política del inventario Aún a pesar del tamaño de la inversión en inventarios de una empresa típica, el administrador financiero
Más detallesLugar de publicación: Madrid. 3/9
PUBLICACIONES Título: Introducción al Álgebra Multilineal. Tensores. Tipo de soporte: Libro. Páginas: inicial: 1 final: 73 Fecha: 1972 Editorial: Ofteco. Deposito Legal VA-887-1972 Autores (p.o. de firma):
Más detallesINVENTARIOS Introducción Cantidad Economica de Pedido (EOQ)
INVENTARIOS Introducción Cantidad Economica de Pedido (EOQ) Curso: Investigación de Operaciones Ing. Javier Villatoro MODELO DE INVENTARIOS Componentes Componentes de los modelos de inventarios El problema
Más detallesGestión de Inventarios. Introducción
Gestión de Inventarios Introducción Stocks, existencias, inventarios Se entiende por stock a un conjunto de artículos que se tienen almacenados para su venta o utilización posterior La gestión de stocks
Más detallesLa política de Inventarios Responde a las siguientes preguntas:
CONCEPTO DE INVENTARIOS. INVENTARIOS. El inventario se crea cuando el volumen de materiales, partes o bienes terminados que se recibe es mayor que el volumen de los mismos que se distribuye; el inventario
Más detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesREGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS)
1 REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1. EN LA REGIÓN DE DRAKUL DE LA REPÚBLICA DE NECROLANDIA, LAS AUTORIDADES ECONÓMICAS HAN REALIZADO UNA REVISIÓN
Más detallesApéndice sobre ecuaciones diferenciales lineales
Apéndice sobre ecuaciones diferenciales lineales Juan-Miguel Gracia 10 de febrero de 2008 Índice 2 Determinante wronskiano. Wronskiano de f 1 (t), f 2 (t),..., f n (t). Derivada de un determinante de funciones.
Más detallesTema 3: Sistemas de ecuaciones lineales
Tema 3: Sistemas de ecuaciones lineales 1. Introducción Los sistemas de ecuaciones resuelven problemas relacionados con situaciones de la vida cotidiana que tiene que ver con las Ciencias Sociales. Nos
Más detallesRazón de Cambio Promedio:
NOTA: En este PDF encontrará los siguientes temas que debe estudiar para la clase: Aplicaciones de la Derivada a Funciones Económicas, Razón de Cambio Promedio, Razón de Cambio Instantánea, Razones Relacionadas,
Más detallesGESTION DE INVENTARIOS
GESTION DE INVENTARIOS Inventarios El inventario tiene como propósito fundamental proveer a la empresa de materiales necesarios, para su continuo y regular desenvolvimiento, es decir, el inventario tiene
Más detallesUniversidad de Oriente Núcleo de Bolívar Unidad de cursos básicos Matemáticas IV. María Palma Roselvis Flores
Universidad de Oriente Núcleo de Bolívar Unidad de cursos básicos Matemáticas IV Profesor: Cristian Castillo Bachilleres: Yessica Flores María Palma Roselvis Flores Ciudad Bolívar; Marzo de 2010 Movimiento
Más detallesFunciones de Clase C 1
Capítulo 7 Funciones de Clase C 1 Vamos a considerar ahora la extensión a varias variables del concepto de función de clase C 1. Cada vez que establezcamos una propiedad de las funciones diferenciables,
Más detallesMATEMÁTICASII Curso académico BLOQUE GEOMETRÍA. TEMA 1: VECTORES
MATEMÁTICASII Curso académico 2015-2016 BLOQUE GEOMETRÍA. TEMA 1: VECTORES 1.1 VECTORES DEL ESPACIO. VECTORES LIBRES DEL ESPACIO Sean y dos puntos del espacio. Llamaremos vector (fijo) a un segmento orientado
Más detallesGESTIÓN DE INVENTARIOS
GESTIÓN DE Septiembre 2011 1 Generalidades 2 1 - Qué son los inventarios? Materias Primas. Partes y Piezas. Insumos y Herramientas de Producción. Insumos y Materiales de Oficina. Trabajos en Proceso. Productos
Más detallesT0. TRANSFORMADAS DE LAPLACE
ESCUELA TÉCNICA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA MATEMATICAS T0. TRANSFORMADAS DE LAPLACE Mediante transformadas de Laplace (por Pierre-Simon
Más detallesTransformada de Laplace: Aplicación a vibraciones mecánicas
Transformada de Laplace: Aplicación a vibraciones mecánicas Santiago Gómez Jorge Estudiante de Ingeniería Electrónica Universidad Nacional del Sur, Avda. Alem 1253, B8000CPB Bahía Blanca, Argentina thegrimreaper7@gmail.com
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 5 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más detallesDepartamento de Matemáticas. ITAM Programación lineal (+ extensiones). Objetivos y panorama del c
Programación lineal (+ extensiones). Objetivos y panorama del curso. Departamento de Matemáticas. ITAM. 2008. Introducción Programación lineal http://allman.rhon.itam.mx/ jmorales La programación lineal
Más detallesModelos Estocásticos I Tercer Examen Parcial Respuestas
Modelos Estocásticos I Tercer Examen Parcial Respuestas. a Cuál es la diferencia entre un estado recurrente positivo y uno recurrente nulo? Cómo se define el período de un estado? Demuestre que si el estado
Más detallesTeoremas de Convergencia
Capítulo 24 Teoremas de Convergencia El teorema de la convergencia monótona (Lema 21.3) establece ciertas condiciones sobre una sucesión de funciones medibles para que se puedan permutar los símbolos y
Más detallesModelización por medio de sistemas
SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES. Modelización por medio de sistemas d y dy Ecuaciones autónomas de segundo orden: = f ( y, ) Una variable independiente. Una variable dependiente. La variable
Más detallesPROGRAMACIÓN NO LINEAL INTRODUCCIÓN
PROGRAMACIÓN NO LINEAL Conceptos generales INTRODUCCIÓN Una suposición importante de programación lineal es que todas sus funciones Función objetivo y funciones de restricción son lineales. Aunque, en
Más detalles1 Ecuaciones diferenciales
1 Ecuaciones diferenciales La solución a una ecuación algebraica es un número, o un conjunto de números que satisfacen la ecuación. Por ejemplo las soluciónes de x 2 4x + 3 = 0 son x 0 = 1 y x 1 = 3. Las
Más detallesUnidad V. 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales.
Unidad V Aplicaciones de la derivada 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales. Una tangente a una curva es una recta que toca la curva en un solo punto y tiene la misma
Más detallesSistem as de ecuaciones lineales
Sistem as de ecuaciones lineales. Concepto, clasificación y notación Un sistema de m ecuaciones lineales con n incógnitas se puede escribir del siguiente modo: a x + a 2 x 2 + a 3 x 3 + + a n x n = b a
Más detallesModelos de Programación Lineal: Resolución gráfica y Teorema fundamental. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Modelos de Programación Lineal: Resolución gráfica y Teorema fundamental Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Resolución gráfica de problemas de
Más detallesTema 2.- Formas Cuadráticas.
Álgebra. 004 005. Ingenieros Industriales. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema.- Formas Cuadráticas. Definición y representación matricial. Clasificación de las formas
Más detallesUnidad 2: Ecuaciones, inecuaciones y sistemas.
Unidad 2: Ecuaciones, inecuaciones y sistemas 1 Unidad 2: Ecuaciones, inecuaciones y sistemas. 1.- Factorización de polinomios. M. C. D y m.c.m de polinomios. Un número a es raíz de un polinomio es 0.
Más detallesJUNIO Opción A
Junio 010 (Prueba Específica) JUNIO 010 Opción A 1.- Discute y resuelve según los distintos valores del parámetro a el siguiente sistema de ecuaciones: a x + a y + az 1 x + a y + z 0.- Una panadería se
Más detallesOperador Diferencial y Ecuaciones Diferenciales
Operador Diferencial y Ecuaciones Diferenciales. Operador Diferencial Un operador es un objeto matemático que convierte una función en otra, por ejemplo, el operador derivada convierte una función en una
Más detallesPROBLEMAS RESUELTOS MOVIMIENTO ONDULATORIO
PROBLEMAS RESUELTOS MOVIMIENTO ONDULATORIO 1. Una onda transversal se propaga en una cuerda según la ecuación (unidades en el S.I.) Calcular la velocidad de propagación de la onda y el estado de vibración
Más detallescomo el número real que resulta del producto matricial y se nota por:
Espacio euclídeo 2 2. ESPACIO EUCLÍDEO 2.. PRODUCTO ESCALAR En el espacio vectorial se define el producto escalar de dos vectores y como el número real que resulta del producto matricial y se nota por:,
Más detallesTeoría de colas I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Teoría de colas I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Teoría de colas Ejemplo: un centro de atención telefónica (call center) Tasa de llegada y
Más detallesLa siguiente tabla presenta las medidas en radianes y en grados de varios ángulos frecuentes, junto con los valores de seno, coseno, y tangente.
Solución. En el primer cuadrante: En el segundo cuadrante: En el tercer cuadrante: En el cuarto cuadrante: cos θ 0, sin θ 0 tan θ 0 cos θ 0, sin θ 0 tan θ 0 cos θ 0, sin θ 0 tan θ 0 cos θ 0, sin θ 0 tan
Más detallesRecordemos que utilizaremos, como es habitual, la siguiente notación para algunos conjuntos de números que son básicos.
Capítulo 1 Preliminares Vamos a ver en este primer capítulo de preliminares algunos conceptos, ideas y propiedades que serán muy útiles para el desarrollo de la asignatura. Se trata de resultados sobre
Más detallesCAPÍTULO IV GESTIÓN DE INVENTARIOS
CAPÍTULO IV GESTIÓN DE INVENTARIOS Ing. Omar David Pérez Fuentes 1 INDICE 4.1 Introducción. 4.2 Concepto de inventario. 4.3 Políticas de revisión de inventarios. 4.3.1 Revisión continua. 4.3.2 Revisión
Más detallesProfesorado de Nivel Medio y Superior en Biología Matemática - 1º Cuatrimestre Año 2013 FUNCIÓN CUADRÁTICA
Matemática - º Cuatrimestre Año 0 FUNCIÓN CUADRÁTICA Hemos definido anteriormente la función lineal como una función f: R R de la forma f()a+b con a R y b R, que se representa en el plano mediante una
Más detallesIntroducción. Flujo Eléctrico.
Introducción La descripción cualitativa del campo eléctrico mediante las líneas de fuerza, está relacionada con una ecuación matemática llamada Ley de Gauss, que relaciona el campo eléctrico sobre una
Más detallesPROGRAMACIÓN LINEAL PROGRAMACIÓN LINEAL.
PROGRAMACIÓN LINEAL. La programación lineal es una técnica de modelado (construcción de modelos). La programación lineal (PL) es una técnica matemática de optimización, es decir, un método que trata de
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallesRentas Ciertas MATEMÁTICA FINANCIERA. Rentas Ciertas: Ejemplo. Rentas Ciertas. Ejemplo (1) C C C C C
Rentas Ciertas MATEMÁTICA FINANCIERA RENTAS CIERTAS I Luis Alcalá UNSL Segundo Cuatrimeste 06 A partir de ahora, utilizaremos capitalización compuesta como ley financiera por defecto, salvo que expĺıcitamente
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS CC SOCIALES CAPÍTULO 2 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más detallesEstudio de fallas asimétricas
Departamento de Ingeniería Eléctrica Universidad Nacional de Mar del Plata Área Electrotecnia Estudio de fallas asimétricas Autor: Ingeniero Gustavo L. Ferro Prof. Adjunto Electrotecnia EDICION 2012 1.
Más detalles2. El conjunto de los números complejos
Números complejos 1 Introducción El nacimiento de los números complejos se debió a la necesidad de dar solución a un problema: no todas las ecuaciones polinómicas poseen una solución real El ejemplo más
Más detallesInfinito más un número Infinito más infinito. Infinito por infinito. OPERACIONES CON INFINITO Sumas con infinito. Productos con infinito
OPERACIONES CON INFINITO Sumas con infinito Infinito más un número Infinito más infinito Infinito menos infinito Productos con infinito Infinito por un número Infinito por infinito Infinito por cero Cocientes
Más detallesBoletín de ejercicios 3
Boletín de ejercicios 3 Thomas Philippon 19 de abril, 2002 1 Riqueza humana, riqueza económica y consumo El objetivo que se persigue consiste en obtener las fórmulas de la página 13 del tema 2. Se trata
Más detallesCálculo I (Grado en Ingeniería Informática) Problemas adicionales resueltos
Cálculo I (Grado en Ingeniería Informática) - Problemas adicionales resueltos Calcula el ĺımite lím ( n + n + n + ) n Racionalizando el numerador, obtenemos L lím ( n + n + n (n + n + ) (n + ) + ) lím
Más detallesÓrdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple
Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple Estos apuntes están redactados por Maria de los Angeles Isidro Pérez y Egor Maximenko.
Más detallesI.E.S. Miguel de Cervantes (Granada) Departamento de Matemáticas GBG 1
PRODUCTO ESCALAR INTRODUCCIÓN El espacio vectorial de los vectores libres del plano se caracteriza por tener definidas dos operaciones: una interna, suma de vectores, y otra externa, producto de un número
Más detallesTeoremas de convergencia y derivación bajo el signo integral
Capítulo 8 Teoremas de convergencia y derivación bajo el signo integral En este capítulo estudiaremos sucintamente bajo qué circunstancias puede intercambiarse el orden de la integral con las operaciones
Más detallesGuía de Matemática Tercero Medio
Guía de Matemática Tercero Medio Aprendizaje Esperado: 1. Plantean y resuelven problemas que involucran ecuaciones de segundo grado; explicitan sus procedimientos de solución y analizan la existencia y
Más detallesAplicaciones de Ec. en Diferencias a la Economía
Aplicaciones de Ec. en Diferencias a la Economía Economía Matemática. (FCEA, UdelaR) Aplicaciones 1 / 21 Nota previa sobre raices complejas Antes de ver algunos ejemplos aplicados a la economía, una nota
Más detallesMay 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN
May 4, 2012 1. Optimización Sin Restricciones En toda esta sección D denota un subconjunto abierto de R n. 1.1. Condiciones Necesarias de Primer Orden. Proposición 1.1. Sea f : D R diferenciable. Si p
Más detallesMinimización de costos. Teoría de Inventarios Modelo Determinista. Supuestos. Modelos DeterminísKcos. Modelo de Lote Económico
Universidad Técnica Federico Santa María Minimización de costos Teoría de Inventarios Modelo Determinista Costo por orden de compra o producción Costo unitario de compra Costo variable unitario de compra.
Más detallesManual de teoría: Funciones Matemática Bachillerato
Manual de teoría: Funciones Matemática Bachillerato Realizado por José Pablo Flores Zúñiga Funciones: José Pablo Flores Zúñiga Página 1 Contenido: ) Funciones.1 Conceptos Básicos de Funciones. Función
Más detallesPLANEACIÓN AGREGADA VARIABLES Y CONSIDERACIONES DE UN PLAN AGREGADO
PLANEACIÓN AGREGADA -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Más detallesLección 4. Ecuaciones diferenciales. 1. Ecuaciones diferenciales de primer orden. Trayectorias ortogonales.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 0.. Ecuaciones diferenciales de primer orden. Traectorias ortogonales. Muchas aplicaciones problemas de la ciencia, la ingeniería la economía se formulan en términos
Más detalles1 Curvas planas. Solución de los ejercicios propuestos.
1 Curvas planas. Solución de los ejercicios propuestos. 1. Se considera el lugar geométrico de los puntos del plano tales que la suma del cuadrado de las distancias a los puntos P 1 = (, 0) y P = (, 0)
Más detallesLimites: Definición: lim
Limites: Definición: El concepto de límite en Matemáticas tiene el sentido de lugar hacia el que se dirige una función en un determinado punto o en el infinito. Por ejemplo: Consideremos la función yy
Más detallesTEMA 8.- NORMAS DE MATRICES Y
Álgebra II: Tema 8. TEMA 8.- NORMAS DE MATRICES Y NúMERO DE CONDICIóN Índice. Introducción 2. Norma vectorial y norma matricial. 2 2.. Norma matricial inducida por normas vectoriales......... 4 2.2. Algunos
Más detallesRobusticidad de los Diseños D-óptimos a la Elección. de los Valores Locales para el Modelo Logístico
Robusticidad de los Diseños D-óptimos a la Elección de los Valores Locales para el Modelo Logístico David Felipe Sosa Palacio 1,a,Víctor Ignacio López Ríos 2,a a. Escuela de Estadística, Facultad de Ciencias,
Más detallesSucesiones Introducción
Temas Límites de sucesiones. convergentes. Sucesiones divergentes. Sucesiones Capacidades Conocer y manejar conceptos de sucesiones convergentes y divergentes. Conocer las principales propiedades de las
Más detallesAnálisis Dinámico: Ecuaciones diferenciales
Análisis Dinámico: Jesús Getán y Eva Boj Facultat d Economia i Empresa Universitat de Barcelona Marzo de 2014 Jesús Getán y Eva Boj Análisis Dinámico: 1 / 51 Introducción Solución genérica Solución de
Más detallesIntroducción a Ecuaciones Diferenciales
Introducción a Ecuaciones Diferenciales Temas Ecuaciones diferenciales que se resuelven directamente aplicando integración. Problemas con condiciones iniciales y soluciones particulares. Problemas aplicados.
Más detallesMarzo 2012
Marzo 2012 http:///wpmu/gispud/ Para determinar la carga transferida a través del tiempo a un elemento, es posible hacerlo de varias formas: 1. Utilizando la ecuación de carga, evaluando en los tiempos
Más detallesMatemáticas Universitarias
Matemáticas Universitarias 1 Sesión No. 5 Nombre: Desigualdades lineales, cuadráticas y valor absoluto Objetivo de la asignatura: En esta sesión el estudiante conocerá las características y métodos de
Más detallesFabio Prieto Ingreso 2003
Fabio Prieto Ingreso 00. INECUACIONES CON UNA VARIABLE.. Inecuación lineal Llamaremos desigualdad lineal de una variable a cualquier epresión de la forma: a + b > 0 o bien a + b < 0 o bien a + b 0 o bien
Más detallesCONTENIDOS. 1. Procesos Estocásticos y de Markov. 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD
CONTENIDOS 1. Procesos Estocásticos y de Markov 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD 4. Comportamiento Estacionario de las CMTD 1. Procesos Estocásticos
Más detallesExpliquemos con exactitud qué queremos decir con valores máximos y mínimos.
Introducción: Ahora que conocemos las reglas de derivación nos encontramos en mejor posición para continuar con las aplicaciones de la derivada. Veremos cómo afectan las derivadas la forma de la gráfica
Más detallesTEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.
TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. 1. MATRICES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. DEFINICIÓN: Las matrices son tablas numéricas rectangulares
Más detallesPROBLEMAS RESUELTOS DE PREPARACIÓN PARA OPOSICIONES. Problemas 02
PROBLEMAS RESUELTOS DE PREPARACIÓN PARA OPOSICIONES Problemas 0 Salvador Pérez Gómez pies3coma14@hotmail.com 4 de abril de 007 PROBLEMA 1 Sea n un número natural. Sea A n = n + n + 3n. a) Demostrar que
Más detallesCAMPOS ELÉCTRICOS DEBIDOS A DISTRIBUCIONES CONTINUAS DE CARGA
CAMPOS ELÉCTRICOS DEBIDOS A DISTRIBUCIONES CONTINUAS DE CARGA Este documento enuncia de forma más detallada la formulación matemática que permite el estudio de campos eléctricos debido a distribuciones
Más detallesUD Trigonometría Ejercicios Resueltos y Propuestos Col La Presentación
En este documento se da una relación de los tipos de ejercicios que nos podemos encontrar en el tema de Trigonometría de º de Bachillerato. En todo el documento se sigue el mismo esquema: Enunciado tipo
Más detallesMateria: Matemáticas de 4to año. Tema: Logaritmos naturales y base 10. Marco Teórico
Materia: Matemáticas de 4to año Tema: Logaritmos naturales y base 10 Marco Teórico Aunque una función de registro puede tener cualquier número positivo como base, en realidad sólo hay dos bases que se
Más detallesSESIÓN 11 DERIVACIÓN DE FUNCIONES TRIGONOMETRICAS INVERSAS
SESIÓN 11 DERIVACIÓN DE FUNCIONES TRIGONOMETRICAS INVERSAS I. CONTENIDOS: 1. Función inversa, conceptos y definiciones 2. Derivación de funciones trigonométricas inversas 3. Ejercicios resueltos 4. Estrategias
Más detallesGestión y Optimización de Inventarios de Repuestos
Entrenamiento y Capacitación Gestión y Optimización de Inventarios de Repuestos Programa de Formación Continua www.aktiv.com.co PRESENTACIÓN En toda empresa industrial, la decisión de incluir inventarios
Más detallesIdentificación de inecuaciones lineales en los números reales
Grado Matematicas - Unidad Operando en el conjunto de Tema Identificación de inecuaciones lineales en los números reales Nombre: Curso: A través de la historia han surgido diversos problemas que han implicado
Más detallesOPTIMIZACIÓN VECTORIAL
OPTIMIZACIÓN VECTORIAL Métodos de Búsqueda Directa Utilizan sólo valores de la función Métodos del Gradiente Métodos de Segundo Orden Requieren valores aproimados de la primera derivada de f) Además de
Más detallesDos matrices son iguales cuando tienen la misma dimensión y los elementos que ocupan el mismo lugar en ambas son iguales
Introducción Las matrices aparecen por primera vez hacia el año 1850, introducidas por J.J. Sylvester. El desarrollo inicial de la teoría se debe al matemático W.R. Hamilton en 1853. En 1858, A. Cayley
Más detallesMOOC UJI: La Probabilidad en las PAU
4. Probabilidad Condicionada: Teoremas de la Probabilidad Total y de Bayes 4.1. Probabilidad Condicionada Vamos a estudiar como cambia la probabilidad de un suceso A cuando sabemos que ha ocurrido otro
Más detalles4 E.M. Curso: Unidad: Estadísticas Inferencial. Colegio SSCC Concepción. Depto. de Matemáticas. Nombre: CURSO: Unidad de Aprendizaje: FUNCIONES
Colegio SSCC Concepción Depto. de Matemáticas Unidad de Aprendizaje: FUNCIONES Capacidades/Destreza/Habilidad: Racionamiento Matemático/Calcular/ Resolver Valores/ Actitudes: Curso: E.M. 10 Respeto, Solidaridad,
Más detalles, for j=1, 2,, (m-1), allowing to satisfy the demand to the next reposition time. The main result is to find the optimal reposition time T j-1,
Rev Fac Ing Univ Antioquia N 49 pp 9-98 Septiembre 009 Modelo de inventario determinístico con tasa de demanda lineal Determinist inventory model with linear demand rate Henry Laniado Rodas * Jamer Carmona
Más detallesTEMA 5. FUNCIONES DERIVABLES. TEOREMA DE TAYLOR
TEMA 5. FUNCIONES DERIVABLES. TEOREMA DE TAYLOR 5.1 DERIVADA DE UNA FUNCIÓN 5.1.1 Definición de derivada Definición: Sea I in intervalo abierto, f : I y a I. Diremos que f es derivable en a si existe y
Más detallesÁLGEBRA LINEAL Y GEOMETRÍA ANALÍTICA (0250)
Universidad Central de Venezuela Facultad de Ingeniería Ciclo Básico Departamento de Matemática Aplicada ÁLGEBRA LINEAL Y GEOMETRÍA ANALÍTICA (0250) Semestre 1-2011 Mayo 2011 Álgebra Lineal y Geometría
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesFunciones integrables en R n
Capítulo 1 Funciones integrables en R n Sean un subconjunto acotado de R n, y f : R una función acotada. Sea R = [a 1, b 1 ]... [a n, b n ] un rectángulo que contenga a. Siempre puede suponerse que f está
Más detallesALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Enteros
Resumen teoría Prof. Alcón ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Z = N {0} N Enteros Las operaciones + y. son cerradas en Z, es decir la suma de dos números enteros es un número entero y el producto
Más detallesTEMA 6 INICIACIÓN AL CÁLCULO DIFERENCIAL
TEMA 6 INICIACIÓN AL CÁLCULO DIFERENCIAL 6.1. TASAS DE VARIACIÓN MEDIA E INSTANTÁNEA 6.1.1. Tasa de variación media La tasa de variación media de una unción en un intervalo a, b es el cociente: b a TVM,
Más detallesTema 7: Geometría Analítica. Rectas.
Tema 7: Geometría Analítica. Rectas. En este tema nos centraremos en estudiar la geometría en el plano, así como los elementos que en este aparecen como son los puntos, segmentos, vectores y rectas. Estudiaremos
Más detallesLímites y continuidad de funciones reales de variable real
Límites y continuidad de funciones reales de variable real Álvarez S., Caballero M.V. y Sánchez M. a M. salvarez@um.es, m.victori@um.es, marvega@um.es Índice 1. Definiciones 3 2. Herramientas 10 2.1. Funciones
Más detallesAplicaciones de los S.E.D.O.
Tema 7 Aplicaciones de los S.E.D.O. 7. Introducción Nota: APUNTES INCOMPLETOS Estudiaremos en este Tema algunos modelos de interés en las Ciencias Naturales que utilizan para su modelización sistemas de
Más detallesModelo EOQ con Demanda Incierta. Teoría de Inventarios Modelo Probabilísticos. Demanda durante el Lead Time 18/04/2009
Universidad Técnica Federico Santa María Teoría de Inventarios Modelo Probabilísticos Daniel Basterrica Modelo EOQ con Demanda Incierta Lead Time no nulo Demanda aleatoria durante
Más detalles4. ANÁLISIS DE FUNCIONES DE UNA VARIABLE
Análisis de funciones de una variable 49 4. ANÁLISIS DE FUNCIONES DE UNA VARIABLE En esta sección realizaremos algunos ejercicios sobre el estudio de funciones de una variable: En la parte final hay ejercicios
Más detallesTema 4. Probabilidad Condicionada
Tema 4. Probabilidad Condicionada Presentación y Objetivos. En este tema se dan reglas para actualizar una probabilidad determinada en situaciones en las que se dispone de información adicional. Para ello
Más detallesUNIDAD II PLANEACIÓN AGREGADA DE LA PRODUCCIÓN
UNIDAD II PLANEACIÓN AGREGADA DE LA PRODUCCIÓN Curso: Administración de Operaciones III OBJETIVOS Cuando haya completado esta unidad, debe ser capaz de identificar y definir: Planeación agregada Propósito
Más detallesProblemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás
Problemas de Selectividad de Matemáticas II Comunidad de Madrid Resueltos Isaac Musat Hervás 22 de mayo de 213 Capítulo 11 Año 21 11.1. Modelo 21 - Opción A Problema 11.1.1 3 puntos Dada la función: fx
Más detallesCompetencia Perfecta. Microeconomía Douglas C. Ramírez Vera. Introducción
Competencia Perfecta Microeconomía Douglas C. Ramírez Vera Introducción Para el análisis de la competencia perfecta existen dos formas de proceder Realizar un análisis de equilibrio general Realizar un
Más detalles