UNIVERSIDAD DE LAMBAYEQUE

INGENIERÍA DE SISTEMAS
INVESTIGACIÓN DE OPERACIONES I
2017

APUNTES DEL CURSO

UNIDAD I: INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES Y

PROGRAMACIÓN LINEAL.
UNIDAD II: PROGRAMACIÓN LINEAL, ANÁLISIS Y VARIANTES.
UNIDAD III: MODELOS DE TRANSPORTE Y SUS VARIANTES.
UNIDAD IV: MODELOS DE REDES Y GRAFOS

Docente: Ing. Jorge Tomás Cumpa Vásquez

_____________________________________________________

UNIDAD I

INTRODUCCIÓN A LA INVESTIGACIÓN DE
OPERACIONES Y PROGRAMACIÓN LINEAL
_____________________________________________________

1. INVESTIGACIÓN DE OPERACIONES Y TOMA DE DECISIONES

La investigación de operaciones se caracteriza por la aplicación de teoría, métodos

y técnicas, que permitan encontrar la solución de problemas de administración,
organización y control en los diversos sistemas existentes, tales como las
organizaciones.

Assad, Wasil y Lilien (1992) dicen que la investigación de operaciones es la

aplicación del método científico a la toma de decisiones o a profesiones que
aborden la mejor manera de diseñar y operar con los sistemas, normalmente donde
se requiere la asignación de recursos escasos. Mientras que Robinson (2000) la
define como la aplicación del método científico a fin de mejorar la efectividad de las
operaciones, la gestión y las decisiones.

Estas afirmaciones resultan claras, sin embargo, diversos autores citan una
definición, bastante aceptada por los especialistas, dada por Churchman, Ackoff y
Arnoff donde define a la investigación de operaciones como “la aplicación por
grupos interdisciplinarios del método científico a problemas relacionados con el
control de las organizaciones o sistemas a fin de que se produzcan soluciones que
mejor sirvan a los objetivos de toda la organización”.

Por otro lado, la toma de decisiones se define como la selección de un curso de

acción a partir de alternativas propuestas, lo que quiere decir que existe un plan de
compromiso de recursos de dirección o reputación, según Koontz (1999).

La ingeniería y en general todas las ciencias basan la planificación de sus

respectivas labores en la toma de decisiones; de modo que ésta forma la parte
esencial de los procesos que se siguen para la obtención de los objetivos ya que
deben decidir qué hacer, cómo, cuándo, dónde y con quién se hará. El proceso que
conduce a la toma de decisión se inicia con la elaboración de premisas que
permiten identificar los objetivos, luego habrá que identificar las distintas
alternativas y evaluarlas detenidamente para finalmente elegir una alternativa y
esto quiere decir que se tomará una decisión.

Este proceso de toma de decisión puede llevare a cabo apoyándose en distintas

herramientas y aplicaciones y una de ellas es la investigación de operaciones cuyo
objetivo más importante es la toma de decisiones, estableciéndose una base a partir
de la solución de un modelo matemático que permitirá junto con otros factores
intangibles, como el comportamiento humano, poder llegar a una solución final.
 Investigación de Operaciones 1
Ing. Jorge Tomás Cumpa Vásquez

2. MODELOS DE INVESTIGACIÓN DE OPERACIONES

Los primeros modelos de investigación de operaciones se orientaron a resolver

problemas de ordenamiento de tareas, asignación de cargas de trabajo,
planificación y asignación de recursos netamente militares y ante la utilidad y
eficacia de estos, fueron diversificándose a todo tipo de organizaciones como las
industriales, comerciales, de servicios, académicas y gubernamentales.

Los diversos modelos a plantear tienen un enfoque netamente matemático y su

resolución se apoya en distintas técnicas que serán materia de estudio más adelante
tales como la programación lineal y sus variantes, programación no lineal,
programación dinámica, modelos de simulación, de redes, colas, etc.

Las soluciones no se obtienen en formas cerradas, es decir, parecidas a fórmulas,

sino que se determinan mediante algoritmos que proporcionan reglas fijas de
cómputo que se aplican en forma repetitiva al problema, y cada repetición o
iteración obtiene una solución cada vez más cercana a la óptima. Algunos modelos
matemáticos pueden ser tan complicados que es imposible resolverlos con
algoritmos de optimización y se busca una solución buena usando heurísticas o
reglas simples.

Un modelo de investigación de operaciones considera, de manera general, las

siguientes etapas:

a. Definir el problema: donde se identifica el alcance del mismo y tres

elementos principales del problema de decisión: las alternativas de decisión,
objetivo del estudio y las limitaciones a las que estará sujeta la solución.

b. Construir el modelo: implica traducir la definición del problema a

relaciones matemáticas.

c. Solucionar el modelo: mediante el uso de algoritmos de optimización y

análisis de sensibilidad (obtención de información adicional sobre el
comportamiento de la solución óptima cuando el modelo sufre ciertos
cambios).

d. Validar el modelo: donde se comprueba si el modelo propuesto hace lo que

se quiere que haga.

e. Implementar la solución: se logra mediante la traducción de los resultados

a instrucciones de operación.

El modelamiento matemático ofrece varias ventajas como:

 Son una representación de la realidad.

 Facilitan la comprensión del problema mediante expresiones matemáticas.
 Permiten ahorrar tiempo y dinero proveyendo una vía eficaz para revolver
problemas, lo cual también facilita la comunicación de problemas y
soluciones.

3
 Investigación de Operaciones 1
Ing. Jorge Tomás Cumpa Vásquez

Sin embargo, por el mismo hecho de ser planteamientos matemáticos, surgen

varias desventajas:

 Pueden ser muy costosos

 Son incomprendidos por su complejidad matemática
 Se apoyan en el uso de suposiciones que limitan la realidad.

En resumen, los modelos matemáticos permitirán, mediante el uso de

herramientas de investigación de operaciones, tomar decisiones y mejorar un
sistema, de tal manera que se opere en condiciones óptimas que requieran
asignación de recursos escasos. A estos modelos, que implican asignación de
recursos escasos también se les conoce como modelos de optimización, dado que
optimizar significa utilizar eficientemente los recursos disponibles.

3. PROGRAMACIÓN LINEAL

La programación lineal es una herramienta de la investigación de operaciones

desarrollada para resolver problemas de optimización y ayudar a la toma de
decisiones. Los modelos de programación lineal están relacionados con la
asignación de recursos, siendo también matemáticos con la particularidad, tal
como su nombre lo indica, de presentar modelos netamente lineales.

Los modelos de programación lineal tienen diversas aplicaciones como, por

ejemplo, la programación de la producción, la selección de cantidades de insumos a
utilizar, la determinación de sistemas de distribución y, en general, son aplicables a
diversos campos como agricultura, transporte, economía, salud, ciencias, industria,
campo militar, etc.

La programación lineal forma la columna vertebral de los algoritmos de solución

para otros modelos de investigación de operaciones como las programaciones
entera, estocástica y no lineal. Tiene como objetivo maximizar o minimizar una
función lineal de las variables de decisión (función objetivo). La solución a
encontrar debe satisfacer además las restricciones planteadas que son expresadas
en formas de ecuaciones o inecuaciones.

Se hablará de un modelo de programación lineal cuando:

 Se expresa un objetivo, ya sea para maximizar ganancia o minimizar costos,

matemáticamente y a esta expresión se le conoce como función objetivo.
 Se consideran varias alternativas de acción.
 Incluye igualdades y desigualdades lineales formuladas matemáticamente
que representan limitaciones del modelo.
 Existe un suministro limitado de recursos.

Un modelo de programación lineal estará compuesto por:

 Variables de decisión: que son una representación cuantitativa de las

decisiones a tomar.
 Función objetivo (F.O): expresión matemática que determinará la cantidad a
maximizar o minimizar. Se expresa en función de las variables de decisión.

4
 Investigación de Operaciones 1
Ing. Jorge Tomás Cumpa Vásquez

 Restricciones: limitaciones a las decisiones permisibles. Expresadas

matemáticamente en función de las variables de decisión.
 Rango de existencia: que permite validar datos a obtener y se considera que
los valores que tomarán las variables de decisión serán siempre mayores o
iguales que cero.

Los componentes mencionados se expresan de la siguiente forma:

 Variables de decisión: Xj donde j = 1, 2, 3…, n

 Función objetivo: Max o Min Z = C1X1 + C2X2 + … + CnXn
 Restricciones: a11X1 + a12X2 + … + a1nXn {<=,=,>=} b1
 Rango de existencia: Xj >= 0

Al momento de plantear un modelo de programación lineal es importante

suponer lo siguiente:

 Certeza: con lo que se requiere considerar que los datos son conocidos y no
cambiarán durante el estudio.
 Proporcionalidad: que deberá existir entre el objetivo y las restricciones.
 Aditividad: donde la contribución total es la suma de las contribuciones
individuales.
 Divisibilidad: que indica que las soluciones pueden tomar cualquier valor
fraccionario.
 No negatividad: donde todas las respuestas serán siempre mayores o iguales
que cero.

4. PLANTEAMIENTO DE MODELOS DE PROGRMACIÓN LINEAL

Con lo presentado en la sección anterior, se presentan a continuación, ejemplos de

modelos de programación lineal debidamente explicados.

a. Modelo de maximización

Ejemplo 1: En un taller de manufactura se elaboran 2 tipos de juguetes de madera:

autos y trenes y se venden a $27 y $21 respectivamente. Usan materia prima por
$10 y $9 respectivamente y en mano de obra, incurren en gastos de $14 y $10 por
cada unidad. Su manufactura requiere de carpintería y acabado y para un auto se
necesitan 2 horas hombre de acabados y 1 hora hombre de carpintería. Un tren
necesita 1 hora hombre en cada caso. Cada mes, el taller dispone de 10000 horas
hombre para acabados y 8000 para carpintería. La demanda de autos no supera las
4000 unidades/mes. Si desean maximizar beneficios, ¿cuántos autos y trenes
deberán producir?

Se debe determinar la cantidad óptima de autos y trenes que permitirán maximizar

los beneficios por su venta. Ante esto, se definen 2 variables de decisión:

 X1 = cantidad de autos que se debe producir.

 X2 = cantidad de trenes que se debe producir.

5
 Investigación de Operaciones 1
Ing. Jorge Tomás Cumpa Vásquez

Dadas las cantidades de autos y trenes a producir: X1 y X2, el beneficio a obtener

por dichas cantidades se determina a partir de los datos presentados:

Materia Mano de
Precio Costo Beneficio
Producto prima obra
$/unidad $/unidad $/unidad
$/unidad $/unidad
Auto 27 10 14 24 3
Tren 21 9 10 19 2

Ante esto, el beneficio a obtener en función de las variables de decisión será:

 Z = 3X1 + 2X2

Considerando que se busca maximizar el beneficio, se plantea la siguiente función

objetivo:

 Max Z = 3X1 + 2X2

Esta función objetivo maximizada estará sujeta a ciertas restricciones que serán
planteadas a partir de la información proporcionada en el texto:

Horas Horas Demanda

Producto hombre hombre máxima
acabado carpintería Unidades
Auto 2 1 4000
Tren 1 1

Horas
disponibles 10000 8000
por mes

Las restricciones se plantean a continuación:

 2X1 + X2 <= 10000 = restricción de horas hombre disponibles para

acabado.
 X1 + X2 <= 8000 = restricción de horas hombre disponibles para
carpintería.
 X1 <= 4000 = restricción de demanda de autos.
 X1, X2 => 0 = condición de no negatividad.

Finalmente, el modelo de programación lineal queda planteado de la siguiente

manera:

Max Z = 3X1 + 2X2

s.a
2X1 + X2 <= 10000
X1 + X2 <= 8000
X1 <= 4000
X1, X2 => 0

6
 Investigación de Operaciones 1
Ing. Jorge Tomás Cumpa Vásquez

b. Modelo de minimización

Ejemplo 2: El responsable de una granja desea determinar la dieta menos costosa

para sus animales sin cortar nada de sus necesidades nutricionales. Considera 3
tipos de alimentos: A, B y C con costos de $2, $3 y $1 cada kilo. Cada animal
requiere al menos 250 cal., 10 unidades de vitaminas y 0.6 unidades de sales
minerales. Un kilo de A contiene 1000 cal, 1 unidad de vitamina y 0.1 de sales
minerales. B: 400, 3 y 0.4 y C: 50, 10 y 0.1. Los 3 alimentos están disponibles en
cantidades suficientemente elevadas para cubrir el pedido. Determinar la decisión
del responsable mediante un modelo de programación lineal.

Se debe determinar las cantidades óptimas de kilos de cada alimento que debe
contener la dieta diaria que permitirán minimizar sus costos. Ante esto, se definen
3 variables de decisión:

 X1 = kilos de A que debe contener la dieta diaria.

 X2 = kilos de B que debe contener la dieta diaria.
 X3 = kilos de C que debe contener la dieta diaria.

Estos kilos X1, X2 y X3, determinarán un costo total a minimizar y además

contienen lo siguiente:

Sales
Costo Calorías Vitaminas
Alimento minerales
$/kilo cal/kilo unidad/kilo
sal/kilo
A 2 1000 1 0.1
B 3 400 3 0.4
C 1 50 10 0.1

Necesidad
mínima 2500 10 0.6
por animal

Ante esto, el costo total en función de las variables de decisión será:

 Z = 2X1 + 3X2 + X3

Considerando que se busca minimizar el costo, se plantea la siguiente función

objetivo:

 Min Z = 2X1 + 3X2 + X3

Esta función objetivo estará sujeta a ciertas restricciones que serán planteadas a
partir de la información proporcionada en el texto y mostrada en la tabla anterior:

7
 Investigación de Operaciones 1
Ing. Jorge Tomás Cumpa Vásquez

Las restricciones se plantean a continuación:

 1000X1 + 400X2 + 50X3 => 2500 = necesidades de calorías.

 X1 + 3X2 + 10X3 => 10 = necesidades de vitaminas.
 0.1X1 + 0.4X2 + 0.1X3 => 0.6 = necesidades de sales minerales.
 X1, X2, X3 => 0 = condición de no negatividad.

Finalmente, el modelo de programación lineal queda planteado de la siguiente

manera:

Min Z = 2X1 + 3X2 + X3

s.a

1000X1 + 400X2 + 50X3 => 2500

X1 + 3X2 + 10X3 => 10
0.1X1 + 0.4X2 + 0.1X3 => 0.6
X1, X2, X3 => 0

5. SOLUCIÓN GRÁFICA DE MODELOS DE PROGRAMACIÓN LINEAL

La solución gráfica es aplicable para modelos de 2 variables de modo que puede ser
representada en un plano donde las abscisas corresponden a X1 y las ordenadas a
X2. Dada la condición de no negatividad, donde X1 y X2 >= 0, se debe trabajar en
el primer cuadrante.

De manera general, se procede de la siguiente manera:

a. Se grafican las rectas de las restricciones. Si es una igualdad, todos los puntos
de la recta conforman un conjunto de soluciones. Si es desigualdad, todos los
puntos que cumplen la desigualdad, forman un conjunto de soluciones.
b. La intersección de los distintos conjuntos de soluciones forman el conjunto
solución y gráficamente se conoce como región factible, recinto de soluciones,
región de soluciones.

La imagen presentada representa a un conjunto de restricciones graficadas.

8
 Investigación de Operaciones 1
Ing. Jorge Tomás Cumpa Vásquez

Para resolver gráficamente se pueden aplicar 2 métodos:

a. Método de los puntos de esquina para maximización o minimización:

Una vez graficadas las restricciones y determinada la región factible, se ubican los
vértices de la región formada y a estos puntos se les conoce como los “puntos de
esquina”.

Una vez ubicados dichos puntos, calcular la utilidad o costo, según sea el caso, en
cada punto. En problemas de maximización, la utilidad más alta será la solución
óptima y en minimización, el costo más bajo será la solución óptima.

En este caso, los puntos en mención resultan de la intersección de 2 o más

restricciones, por lo que se forman sistemas de ecuaciones, que deberán ser
resueltos mediante métodos ya estudiados: métodos de igualación, reducción o
sustitución.

Ejemplo 3: del ejemplo 1, tenemos el siguiente modelo.

Max Z = 3X1 + 2X2

s.a

2X1 + X2 <= 10000 … (1)

X1 + X2 <= 8000 … (2)
X1 <= 4000 … (3)
X1, X2 => 0

Se procede a graficar las restricciones, se identifica la región factible, se ubican los

“puntos de esquina” ((a), (b), (c), (d) y (e)) y se presenta lo siguiente:
X2
(3)

(a)

(b)

(c)

(1) (2)
(e) (d) X1

Como se mencionó, cada punto resulta de la intersección de restricciones y ejes:

 (a) resulta de la intersección de (2) y el eje de ordenadas.

 (b) de (1) y (2).

9
 Investigación de Operaciones 1
Ing. Jorge Tomás Cumpa Vásquez

 (c) de (1) y (3).

 (d) de (3) y el eje de abscisas.
 (e) de los ejes.

Para determinar los puntos, se utilizan métodos para resolver los sistemas de
ecuaciones formados por las intersecciones y da como resultado:

 (a) = (0; 8000).

 (b) = (2000; 6000).
 (c) = (4000; 2000).
 (d) = (4000; 0).
 (e) = (0; 0).

Reemplazando cada punto en Z, se define como solución óptima al valor de Z más

alto, por ser un caso de maximización. En minimización, se elige al menor.

 Z(a) = 16000.
 Z(b) = 18000
 Z(c) = 16000.
 Z(d) = 12000.
 Z(e) = 0

Y en este caso, la solución óptima será la encontrada en el punto (b), resultante de

la intersección de (1) y (2). Con esto se determina que deberán producirse 2000
autos y 6000 trenes para tener el máximo beneficio que será de $18000.

b. Líneas de isoutilidad o isocosto, para maximización y minimización

respectivamente:

Con la región factible definida, se procede identificar la dirección en que

aumentará Z (en maximización) o disminuirá Z (en minimización) asignando
valores arbitrarios a Z (2 como mínimo).

Con esto valores arbitrarios, se grafican Z1 y Z2 para luego mover la función

objetivo a través de la región factible, conservando su pendiente. El último punto
de la función en tocar la región factible será la solución óptima.

Definido ese punto, se procede a calcular los valores de las variables de decisión.
En este caso, el punto en mención resulta de la intersección de 2 o más
restricciones, por lo que se forma un sistema de ecuaciones, el cual deberá ser
resuelto mediante métodos ya estudiados: métodos de igualación, reducción o
sustitución. Los valores hallados se reemplazan en Z y definen la solución óptima.

10
 Investigación de Operaciones 1
Ing. Jorge Tomás Cumpa Vásquez

Ejemplo 4: del ejemplo anterior, se tiene el gráfico de la imagen siguiente.

Además se asignan 2 valores arbitrarios a Z = 3X1 + 2X2 para poder mover la
función a través de la región factible.

 Si Z = 15000, entonces 3X1 + 2X2 = 15000 … (a)

 Si Z = 10000, entonces 3X1 + 2X2 = 10000 … (b)

(a) y (b) se grafican y conservando la pendiente, la función se traslada,

conservando la pendiente, hasta llegar al último punto (O) y obtener la solución
óptima.

X2 (3)

(a) (O)

(b)

(1) (2) X1

Este punto se determina a través de la resolución de un sistema de ecuaciones

formado por la intersección de (1) y (2), resultando (2000; 6000) tal como en el
caso anterior y Z = 18000.

* Truco: siendo un modelo matemático el planteado, las pendientes que forman las
distintas rectas graficadas pueden ser de gran ayuda. Sabiendo que se trabaja con
un modelo lineal, tanto Z como las restricciones se plantean como ecuaciones del
tipo y = mx + b, siendo “m” la pendiente de la recta.

Se procede entonces a calcular las pendientes “m” en todas las restricciones, como
ecuaciones, y además, la pendiente “m” de Z. El valor de la pendiente “m” de Z
estará entre 2 de las pendientes “m” de las restricciones, con lo cual, se determina
que la intersección de dichas restricciones definirán la solución óptima que se halla
resolviendo el sistema de ecuaciones formado.

Ejemplo 5: del mismo ejemplo, se tiene:

 Para 2X1 + X2 = 10000, una pendiente de m1 = -2.

 Para X1 + X2 = 8000, m2 = -1.
 Para X1 = 4000, m3 = ∞.
 Para 3X1 + 2X2 = Z, una pendiente mz = -1.5.

Como se puede apreciar, m1 < mz < m2, de modo que la solución estará en la
intersección de (1) y (2), tal como sucedió en los casos anteriores.

11
 Investigación de Operaciones 1
Ing. Jorge Tomás Cumpa Vásquez

6. PROBLEMAS PROPUESTOS

a. Memphis Chemical Corp. debe producir 1000 libras de una mezcla especial de
fosfato y potasio para un cliente. El fosfato cuesta 5 dólares por libra y el
potasio, 6. No se pueden utilizar más de 300 libras de fosfato ni menos de 150
libras de potasio. Se desea formular el programa lineal que minimice el costo
de la operación y convertir las restricciones y la función objetivo de forma que
pueda utilizarse el algoritmo simplex para resolverlo.

b. El responsable de una granja desea determinar la dieta menos costosa para sus
animales sin cortar nada de sus necesidades nutricionales. Considera 3 tipos de
alimentos: A, B y C con costos de $2, $3 y $1 cada kilo. Cada animal requiere
al menos 250 cal. 10 unidades de vitaminas y 0.6 unidades de sales minerales.
Un kilo de A contiene 1000 cal, 1 unid de vitamina y 0.1 de sales minerales. B:
400, 3 y 0.4 y C: 50, 10 y 0.1. Los 3 alimentos están disponibles en cantidades
suficientemente elevadas para cubrir el pedido. Determinar la decisión del
responsable mediante un modelo de programación lineal.

c. El gerente de producción busca definir un programa de producción que

permita aprovechar lo mejor posible las materia primas de 3 insumos J,K y L,
para lo cual dispone de 100 kg de J, 175 kg de K y 200 kg de L. Todas han
sido pagadas y de no utilizarse deberán ser descartadas. El gerente podrá
adquirir además, hasta 50 kg de J a 10 $/kg. Con todo esto, se elaboran 2
productos: una caja de P1 necesita 1 kg de J, K y L. Producir P2 requiere de
0.5 kg de J, 1 kg de K y 2 kg de L. Ambos pueden ser elaborados en diferentes
cantidades (incluso fraccionarias). Si el beneficio por cada de P1 y P2 es de $20
y $15 respectivamente, ¿cuánto deberá producir de cada caja y comprar de J?

d. Shader Electronics Co. fabrica dos productos: (1) el Walkman Shader, un

reproductor de MP3 portátil y (2) el Shader Watch TV, un TV portátil en
pantalla en miniatura de plasma. El proceso de producción de ambos
productos se asemeja en que los dos necesitan un cierto número de horas de
trabajo en el departamento de electrónica, y un cierto número de horas de
mano de obra en el departamento de montaje. Cada reproductor de MP3
necesita cuatro horas de trabajo de electrónica y dos en el taller de montaje.
Cada TV necesita tres horas de electrónica y una en montaje. Durante el
actual período de producción se dispone de doscientas cuarenta horas en el
departamento de electrónica y de cien horas en el de montaje. Cada
reproductor de MP3 vendido supone un beneficio de 70 dólares, mientras que
para un TV el beneficio unitario es de 50 dólares. El problema de Shader es
determinar la mejor combinación posible de MP3 y TV que debe producir
para alcanzar el máximo beneficio.

e. Ray Christiansen está tratando de determinar cuántas unidades de teléfonos

móviles debe producir cada día. Uno de ellos es el modelo estándar, el otro es
el modelo de lujo. El beneficio unitario del modelo estándar es de 40 dólares,
mientras que el del modelo de lujo es de 60 dólares. Cada unidad requiere
treinta minutos de tiempo de montaje. El modelo estándar necesita diez
minutos de tiempo de inspección y el de lujo necesita quince. La producción
mínima debe ser de seis teléfonos. Se dispone de 450 minutos de montaje y
180 de inspección cada día. ¿Cuántas unidades de cada producto deben
fabricarse al día?

12
 Investigación de Operaciones 1
Ing. Jorge Tomás Cumpa Vásquez

f. Una fábrica de aceites industriales se especializa en la fabricación de dos tipos

de aceites SAE40 y SAE90. En la tabla se muestran los requerimientos de
producción, la demanda diaria y las utilidades por galón asociadas para los dos
tipos de aceite de la fábrica. La operación de la producción en la planta se
limita a 8h. diarias y tiene una capacidad máxima de almacenamiento de 1000
galones por día. A la fábrica le gustaría determinar qué volumen diario de
producción de los dos aceites maximiza sus utilidades.

Requerimiento de Demanda diaria Utilidades

Producto producción (galones) (por galón)
(galón/hora)
SAE40 0.005 por hora No $10
SAE90 0.010 por hora Al menos 400 $13

7. BIBLIOGRAFÍA

 Angulo, C. (2005). Apuntes de Investigación de Operaciones 1. Piura:

Universidad de Piura.
 Gómez, E., C. Bergesse. Guía de ejercicios prácticos. Rafaela: Universidad
Técnica Nacional. Argentina.
 Silva, W. (2015). Apuntes de Investigación de Operaciones. Chiclayo:
Universidad Santo Toribio de Mogrovejo.
 Taha, H. (2004). Investigación de operaciones. México: Pearson Educación.

13