00a La Investigación de Operaciones 2021

INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES 1
INTRODUCCIÓN
A LA
INVESTIGACIÓN
DE
OPERACIONES
UNIVERSIDAD ARTURO PRAT. Curso de IO. Octubre 2021.-Profesor Juan Carlos Contreras.
¿QUÉ ES LA INVESTIGACIÓN DE OPERACIONES?

Como toda disciplina en desarrollo, la investigación de operaciones ha ido evolucionando no sólo
en sus técn icas y a plicaciones sino en la forma como la conceptualizan los diferentes autores, en la
actualidad no existe solamente una definición sino muchas, algunas demasiado generales, otras
demasiado engañosas, aquí seleccionamos dos de las mas aceptadas y representativas.
LA DEFINICIÓN DE CHURCHMAN, ACKOFF Y ARNOFF: LA INVESTIGACIÓN DE OPERACIONES

ES LA APLICACIÓN, POR GRUPOS INTERDISCIPLINARIOS, DEL MÉTODO CIENTÍFICO A
PROBLEMAS RELACIONADOS CON EL CONTROL DE LAS ORGANIZACIONES O SISTEMAS
(HOMBRE-MÁQUINA), A FIN DE QUE SE PRODUZCAN SOLUCIONES QUE MEJOR SIRVAN A LOS
OBJETIVOS DE LA ORGANIZACIÓN.
De ésta definición se pueden destacar los siguientes conceptos:

1. Una organización es un sistema formado por componentes que se interaccionan, unas de estas
interacciones pueden ser controladas y otras no.
2. En un sistema la información es un a parte fundamental, ya qu e entre las componentes fluye

información que ocasiona la interacción entre ellas. También dentro de la estructura de los sistemas
se encuentran recursos que generan interacciones. Los objetivos de la orga nización se refieren a la
eficacia y eficiencia con que las componentes pueden controlarse, el control es un mecanismo de
autocorrección del sistema que permite evaluar los resu ltados en términos de los o bjetivos
establecidos.
3. La complejidad de los problemas que se presentan en las organizaciones ya no encajan en una sola
disciplina del conocimiento, se han convertido en multidisciplinario por lo cual para su análisis y
solución se requieren grupos compuestos por especialistas de diferentes áreas del conocimiento que
logran comunicarse con un lenguaje común.
4. La investigación de operaciones es la aplicación de l a metodología científica a través modelos

matemáticos, primero para
UNIVERSIDAD representar
ARTURO al problema
PRAT. Curso y luego2021.-Profesor
de IO. Octubre para resolverlo.
Juan Carlos Contreras.
La definición de la sociedad de investigación de operaciones de la Gran

Bretaña es la siguiente:
La investigación de operaciones es el ataque de la ciencia moderna a los

complejos problemas que surgen en la dirección y en la administración de
grandes sistemas de hombres, máquinas, materiales y dinero, en la industria, en
los negocios, en el gobierno y en la defensa. Su actitud diferencial consiste en
desarrollar un modelo científico del sistema tal, que incorpore valoraciones de
factores como el azar y el riesgo y mediante el cual se predigan y comparen los
resultados de decisiones, estrategias o controles alternativos. Su propósito es el
de ayudar a la gerencia a determinar científicamente sus políticas y acciones.
EN RELACIÓN A ÉSTA DEFINICIÓN DEBEN DESTACARSE LOS SIGUIENTES ASPECTOS:

1. Generalmente se aso cian los conceptos de dirección y administración a las empresa s de tipo
lucrativo, sin embargo, una empresa es un concepto más amplio, es algo que utiliza hombres,
máquinas, materiales y dinero con un propósito específico; desde éste punto de vista, se considera
como empresa desde una universidad hasta una armadora de automóviles.
2. Para tratar de explicar el comportamiento de un sistema complejo, el científico debe representarlo en
términos de los conceptos que maneja, lo hace expresando todos los rasgos principales del sistema
por medio de relaciones matemáticas. A esta representación formal se le llama modelo.
3. La esencia de un modelo es que debe ser predictivo, lo cual no significa predecir el futuro, pero si ser
capaz de indicar muchas cosas acerca de la forma en que se puede esperar que un sistema opere en
una variedad de cir cunstancias, lo que per mite valorar su vulnerabilidad. Si se conocen las
debilidades del sistema se pueden tomar cursos de acción agrupados en tres categorías: A) Efectuar
cambios que lleven a la empresa o parte de ella a una nueva ruta; B) Realizar un plan de toma
de de cisiones; C) Instalar estrategias que generen decisiones. Cuando se aplica alguno de estos
remedios, la investigación de operaciones nos ayuda a determinar la acción menos vulnerable ante
un futuro incierto.
El objetivo global de la investigación de operaciones es el de apoyar al tomador de decisiones, en cuanto
ayudarlo a cumplir con su función basado en estudios científicamente fundamentados
ORÍGENES DE LA INVESTIGACIÓN DE OPERACIONES

La toma de decisiones es un proceso que se inicia cuando una persona observa un problema y
determina que es n ecesario resolverlo procediendo a definirlo, a formular un objetivo, reconocer las
limitaciones o restricciones, a generar alternativas de solución y evaluarlas hasta seleccionar la que le
parece mejor, este proceso puede se cualitativo o cuantitativo.
El enfoque cualitativo se basa en la experiencia y el juicio personal, las habilidades necesarias
en este enfoque son inherentes en la persona y aumentan con la práctica. En muchas ocasiones este
proceso basta para tomar buenas decisiones. El enf oque cuantitativo requiere habilidades que se
obtienen del estudio de herramientas matemáticas que le permitan a la persona mejorar su efectividad
en la toma de decisiones. Este enfoque es útil cuando no se tiene experiencia con problemas similares o
cuando el problema es ta n complejo o importan te que requiere de un análisis exhaustivo para tener
mayor posibilidad de elegir la mejor solución.
La investigación de operaciones proporciona a los tomadores de decisiones bases cuantitativas
para seleccionar las mejores decisiones y permite elevar su habilidad para hacer planes a futuro.
En el ambiente socioeconómico actual altamente competitivo y complejo, los métodos
tradicionales de toma de decisiones se han vuelto inoperantes e inadmisibles ya que los responsables de
dirigir las actividades de las empresas e instit uciones se enfrentan a situ aciones complicadas y
cambiantes con rapidez que requieren de soluciones creativas y prácticas apoyadas en una base
cuantitativa sólida.
En organizaciones grandes se hace necesario que el tomador de decisiones tenga un
conocimiento básico de las herramientas cuantitativas que utilizan los especialistas para poder trabajar
en forma estrecha con ellos y ser receptivos a las soluciones y recomendaciones que se le presenten.
En organizaciones pequeñas puede darse que el tomador de decisiones domine las herramientas
cuantitativas y él mismo las aplique para apoyarse en ellas y así tomar sus decisiones.
Desde al advenimiento de la Revolución Industrial, el mundo ha sido testigo de un crecimiento

sin precedentes en el tamaño y la complejidad de las organizaciones. Los pequeños talleres artesanales
se convirtieron en las corporaciones actuales de miles de millones de pesos. Una parte integral de este
cambio revolucionario fue el g ran aumento en la división del trabajo y en la separación de las
responsabilidades administrativas en estas organizaciones. Los resultados han sido espectaculares. Sin
embargo, junto con los beneficios, el aumento en el grado de especialización creo nuevos problemas que
ocurren hasta la fecha en muchas empresas. Uno de estos problemas es la tendencia de muchas de las
componentes de una organización a convertirse en imperios relativamente autónomos, con sus propias
metas y sistemas de valores, perdiendo con esto la visión de la forma en que encajan sus actividades y
objetivos con los de toda la organización. Lo que es mejor para una componente, puede ir en detrimento
de otra, de manera que pueden terminar trabajando con objetivos opuestos. Un problema relacionado
con esto es que, conforme la complejidad y la especialización crecen, se vuelve más difícil asignar los
recursos disponibles a las diferentes actividades de la manera más eficaz para la organización como un
todo. Este tipo de problemas, y la necesidad de encontrar la mejor forma de resolverlos, proporcionaron
el ambiente adecuado para el surgimiento de la Investigación de Operaciones.
Las raíces de la investigación de operaciones se remontan a muchas décadas, cuando se
hicieron los primeros intentos para emplear el método científico en la administración de una empresa. Sin
embargo, el inicio de la actividad llamada investigación de operaciones, casi siempre se atribu ye a los
servicios militares prestados a principios de la segunda guerra mundial. Debido a los esfuerzos bélicos,
existía una necesidad urgente de asignar recursos escasos a las distintas operaciones militares y a las
actividades dentro de cada operación, en la forma más efectiva. Por esto, las administraciones militares
americana e inglesa hicieron un llamado a un gran número de científicos para que aplicaran el método
científico a éste y a otros problemas estratégicos y táct icos. De hecho, se les pidió que hicieran
investigación sobre operaciones (militares). Estos equipos de científicos fueron los primeros equipos de
IO. Con el desarrollo de métodos efectivos para el uso del nuevo radar, estos equipos contribuyeron al
triunfo del combate aéreo inglés. A través de sus inve stigaciones para mejorar el manejo de las
operaciones antisubmarinas y de protección, jugaron también un papel importante en la victoria de la
batalla del Atlántico Norte. Esfuerzos similares fueron de gran ayuda en a isla de campaña en el pacífico.
Al terminar la guerra, el éxito de la investigación de operaciones en las a ctividades bélicas
generó un gran interés en sus aplicaciones fuera del campo militar. Como la explosión industrial seguía
su curso, los problemas causados por el a umento en la c omplejidad y esp ecialización dentro de las
organizaciones pasaron de nuevo a primer plano. Comenzó a ser evid ente para un gran número de
personas, incluyendo a los co nsultores industriales que habían trabajado con o para los equipos de IO
durante la guerra, que estos problemas eran básicamente los mismos que los enfrentados por la milicia,
pero en un contexto diferente. Cuando comenzó la década de 1950, estos individuos habían introducido
el uso de la investigación de operaciones en la industria, los negocios y el gobierno. Desde entonces,
esta disciplina se ha desarrollado con rapidez.
Se pueden identificar por lo menos otros dos factores que jugaron un papel importante en el
desarrollo de la investigación de operaciones durante este período. Uno es el gran progreso que ya se
había hecho en el mejoramiento de las técnicas disponibles en esta área. Después de la guerra, muchos
científicos que habían participado en los equipos de IO o que tenían información sobre este trabajo, se
encontraban motivados a b uscar resultados sustanciales en este campo; de esto resultaron avances
importantes. Un ejemplo sobresaliente es el método simplex para resolver problemas de programación
lineal, desarrollado en 1947 por George Dantzing. Muchas de las herramientas características de la
investigación de operaciones, como programación lineal, programación dinámica, líneas de espera y
teoría de inventarios, fueron desarrolladas casi por completo antes del término de la década de 1950.
Un segundo factor que dio ímpetu al desarrollo de este campo fue el a dvenimiento de la
computadora. Para manejar de una manera efectiva los comp lejos problemas inherentes a esta
disciplina, por lo general se requiere un gran número de cálculos. Llevarlos a cabo a mano puede resultar
casi imposible. Por lo tanto, el desarrollo de la computadora electrónica digital, con su capacidad para
realizar cálculos aritméticos, miles o tal vez millones de veces más rápido que los seres humanos, fue
una gran ayuda para la investigación de operaciones. Un avance más tuvo lugar en la década de 1980
con el d esarrollo de las com putadoras personales cada vez má s rápidas, acompañado de buenos
paquetes de software para resolver problemas de IO, esto puso las técnicas al alcance de un gran
número de personas. Hoy en día, literalmente millones de individuos tienen acceso a estos paquetes. En
consecuencia, por rutina, se usa toda una gama e computadoras, desde las grandes hasta las portátiles,
para resolver problemas de investigación de operaciones.
NATURALEZA DE LA INVESTIGACIÓN DE OPERACIONES

Como su nombre lo dice, la investigación de operaciones significa "hacer investigación sobre las
operaciones". Entonces, la investigación de operaciones se aplica a p roblemas que se refieren a la
conducción y coordinación de operaciones (o actividades) dentro de una organización. La naturaleza de

la organización es esencialmente inmaterial y, de hecho, la investigación de operaciones se ha aplicado
de manera extensa en áreas tan diversas como la manufactura, el transporte, la construcción, las
telecomunicaciones, la planeación financiera, el cuidado de la salud, la milicia y los servicios públicos, por
nombrar sólo unas cuantas. Así, la gama de aplicaciones es extraordinariamente amplia.
La parte de investigación en el nombre significa que la in vestigación de operaciones usa un
enfoque similar a la ma nera en que se llev a a cab o la inv estigación en los campos científicos
establecidos. En gran medida, se usa el método científico para investigar el problema en cuestión. (De
hecho, en ocasiones se usa el término ciencias de la administración como sinónimo de investigación de
operaciones.) En particular, el proceso comienza por la observación cuidadosa y la fo rmulación del
problema incluyendo la recolección de los datos pertinentes. El siguiente paso es la construcción de un
modelo científico (por lo general matemático) que intenta abstraer la esencia del problema real. En este
punto se propone la hipótesis de que el modelo es una representación lo suficientemente precisa de las
características esenciales de la situación como para que las conclusiones (soluciones) obtenidas sean
válidas también para el p roblema real. Después, se llevan a cabo los experimentos adecuados para
probar esta hipótesis, modificarla si es necesario y eventualmente verificarla. (Con frecuencia este paso
se conoce como validación del modelo.) Entonces, en cierto modo, la investigación e operaciones
incluyen la investigación científica creativa de las propiedades fundamentales de l as operaciones. Sin
embargo, existe más que esto. En particular, la IO se ocupa también de la administración práctica de la
organización. Así, para tener éxito, deberá también proporcionar conclusiones claras que pueda usar el
tomador de decisiones cuando las necesite.
Una característica más de la investigación de operaciones es su amplio punto de vista. Como
quedó implícito en la sección anterior, la IO adopta un punto de vista organizacional. De esta manera,
intenta resolver los co nflictos de intereses entre las co mponentes de la o rganización de forma que el
resultado sea el mejor para la organización completa. Esto no significa que el estudio de cada problema
deba considerar en forma explícita todos los aspectos de la organización sino que los objetivos que se
buscan deben ser consistentes con los de toda ella.
Una característica adicional es que la inve stigación de operaciones intenta encontrar una mejor
solución, (llamada solución óptima) para el problema bajo consideración. (Decimos una mejor solución y
no la mejor solución porque pueden existir muchas soluciones que empaten como la mejor.) En lugar de
contentarse con mejorar el estado de las cosas, la meta es identificar el mejor curso de acción posible.
Aun cuando debe interpretarse con todo cuidado en té rminos de las necesidades reales de la
administración, esta "búsqueda de la optimidad" es un aspecto importante dentro de la investigación de
operaciones.
Todas estas características llevan de una manera casi natural a otra. Es evidente que no puede
esperarse que un solo individuo sea un experto en to dos lo múltiple s aspectos del trabajo de
investigación de operaciones o de los problemas que se estudian; se requiere un grupo de individuos con
diversos antecedentes y habilidades. Entonces, cuando se va a emprend er un estudio de investigación
de operaciones completo de un nuevo problema, por lo general es necesario emplear el empleo de
equipo. Este debe incluir individuos con antecedentes firmes en matemáticas, estadística y teo ría de
probabilidades, al igual que en economía, administración de empr esas, ciencias de la comput ación,
ingeniería, ciencias físicas, ciencias del comportamiento y, por supuesto, en las técnicas especiales de
investigación de operaciones. El equipo también necesita tener la e xperiencia y la s habilidades
necesarias para permitir la consideración adecuada de todas las ramificaciones del problema a través de
la organización.
IMPACTO DE LA INVESTIGACIÓN DE OPERACIONES

La investigación de operaciones ha tenido un impacto impresionante en el mejoramiento de la
eficiencia de numerosas organizaciones en todo el mundo. En e l proceso, la investigación de
operaciones ha hecho contribuciones significativas al incremento de la productividad dentro de la
economía de varios países. Hay ah ora más de 30 países que son miembros de la International
Federation of Operational Research Societies (IFORS), en la que cada país cuenta con una sociedad de
investigación de operaciones.
Sin duda, el impacto de la investigación de operaciones continuará aumentando. Por ejemplo, al
inicio de la década de los 90, el U.S. Bureau of Labor Statistics predijo que la IO sería el área profesional
clasificada como la te rcera de más ráp ido crecimiento para los estudiantes universitarios en Estados
Unidos, graduados entre 1990 y 2 005. Pronosticó también que, para el año 2005, habría 100.000
personas trabajando como analistas de investigación de operaciones.
ENFOQUE DE LA INVESTIGACIÓN DE OPERACIONES:

La parte innovadora de la IO e s sin duda alguna su enfoque modelístico, producto de sus
creadores aunado a la presión de supervivencia de la guerra o la sinergía generada al co mbinarse
diferentes disciplinas, una descripción del enfoque es la siguiente. (Ver la figura ).
VARIABLES RELACIONES
RELEVANTES RELEVANTES
SISTEMA SISTEMA MODELO
REAL ASUMIDO CUANTITATIVO
MÉTODO
DE SOLUCIÓN
SOLUCIÓN AL
JUICIOS Y SOLUCIÓN
PROBLEMA DEL
EXPERIENCIAS AL MODELO
SISTEMA REAL
DECISIONES INTERPRETACIÓN
1. Se define el sistema real en donde se presenta el problema. Dentro del sistema interactúan
normalmente un gran número de variables.
2. Se seleccionan las variables que norman la conducta o el e stado actual del sistema, llamadas
variables relevantes, con las cuales se define un sistema asumido del sistema real.
3. Se construye un modelo cuantitativo del sistema asumido, identificando y simplificando las relaciones
entre las variables relevantes mediante la utilización de funciones matemáticas.
4. Se obtiene la solución al modelo cuantitativo mediante la aplicación de una o más de las técnicas
desarrolladas por la IO.
5. Se adapta e imprime la máxima realidad posible a la solución teórica del problema real obtenida en el
punto 4, mediante la consideración de factores cualitativos o no cuantificables, los cuales no pudieron
incluirse en el modelo. Además se ajusta los detalles finales vía el juicio y la experiencia del tomador
de decisiones.
6. Se implanta la solución en el sistema real.
LA INVESTIGACIÓN DE OPERACIONES OBTIENE LA SOLUCIÓN DEL PROBLEMA REAL

INDIRECTAMENTE, Y NO COMO NORMALMENTE SE INTENTARÍA PASANDO DIRECTAMENTE
DEL PROBLEMA REAL A LA SOLUCIÓN REAL.
METODOLOGÍA DE LA INVESTIGACION DE OPERACIONES
DEFINICIÓN DEL PROBLEMA Y RECOLECCIÓN DE DATOS

La mayor parte de los problemas prácticos con los que se enfrenta el equipo IO están descritos
inicialmente de una manera vaga. Por con siguiente, la primera actividad que se debe realizar es el
estudio del sistema relevante y e l desarrollo de un resumen bien definido del problema que se va a
analizar. Esto incluye determinar los objetivos apropiados, las restricciones sobre lo que se puede hacer,
las interrelaciones del área bajo estudio con otras á reas de la orga nización, los difere ntes cursos de
acción posibles, los límites de tiempo para tomar una decisión, etc. Este proceso de definir el problema
es crucial ya que afectará en forma significativa la relevancia de las conclusiones del estudio. ¡Es difícil
extraer una respuesta "correcta" a partir de un problema "equivocado"!
Por su n aturaleza, la investigación de operaciones se encarga del bienestar de toda la
organización, no sólo de algunos de sus c omponentes. Un estudio de IO b usca soluciones óptimas
globales y no soluciones sub óptimas aunque sean lo mejor para uno de los componente. Entonces,
idealmente, los objetivos que se formulan deben coincidir con los de toda la organización. Sin embargo,
esto no siempre es conveniente. Muchos problemas interesan nada más a una parte de la organización,
de manera que el análisis sería demasiado extenso si los objetivos fueran muy generales y si se prestara
atención especial a todos los efectos secundarios sobre el resto de la organización. En lugar de ello, los
objetivos usados en un estudio deben ser tan específicos como sea posible, siempre y cuando
contemplen las metas principales del tomador de de cisiones y mantengan un nivel razonable de
consistencia con los objetivos de los altos niveles.
Las condiciones fundamentales para que exista un problema es que se establezca una
diferencia entre lo que es (situación actual) y lo que debe ser (situación deseada u objetivo) y además
exista cuando menos una forma de eliminar o disminuir esa diferencia. Los componentes de un problema
son: a) el tomador de decisiones o ejecutivo; b) los objetivos de la organización; c) el sistema o ambiente
en el que se sitúa el problema; d) Los cursos de acción alternativos que se pueden tomar para resolverlo.
Para formular un problema se requiere; a) identificar las componentes y variables controlables y
no controlables del sistema; b) identificar los posibles cursos de acción, determinados por las
componentes controlables; c) definir el marco de referencia dado por las componentes no controlables;
d) definir los objetivos que se busca alcanzar y clasificarlos por orden de importancia; e) identificar las
interpelaciones importantes entre las diferentes partes del sistema y encontrar las restricciones que
existen.
FORMULACIÓN DE UN MODELO MATEMÁTICO

Una vez definido el problema del tomador de decisiones, la sigu iente etapa consiste en
reformularlo de manera conveniente para su análisis. La forma convencional en que la investigación de
operaciones realiza esto es construyendo un modelo matemático que represente la es encia del
problema. Antes de analizar como formular los modelos de este tipo, se explorará la naturaleza general
de los modelos y, en particular, la de los modelos matemáticos.
El modelo matemático está constituido por relaciones matemáticas (ecuac iones y desigualdades)
establecidas en términos de variables, que representa la es encia el problema que se pretende
solucionar.
Para construir un modelo es necesario primero definir las variables en función de las cuales será
establecido. UNIVERSIDAD
Luego, se procede a determinar matemáticamente cada una de las dos partes que
ARTURO PRAT. Curso de IO. Octubre 2021.-Profesor Juan Carlos Contreras.
constituyen un modelo: a) la medida de efectividad que permite conocer el nivel de logro de los objetivos
y generalmente es una función (ecuación) llamada función objetivo; b) las limitantes del problema
llamadas restricciones que son un conjunto de igualdades o desigualdades que constituyen las barreras
y obstáculos para la consecución del objetivo.
Un modelo siempre deb e ser menos complejo que el problema real, es una aproximación
abstracta de la realidad con consideraciones y simplificaciones que hacen más manejable el problema y
permiten evaluar eficientemente las alternativas de solución.
Los modelos matemáticos tienen muchas ventajas sobre una descripción verbal del problema.
Una ventaja obvia es que el modelo matemático describe un problema en forma mucho más concisa.
Esto tiende a hacer que toda la estructura del problema sea más comprensible y ayude a revelar las
relaciones importantes entre causa y efecto. De esta manera, indica con más clarid ad que datos
adicionales son importantes para el análisis. También facilita simultáneamente el manejo del problema
en su totalidad y el estudio de todas sus interpelaciones. Por último, un modelo matemático forma un
puente para poder emplear técnicas matemáticas y computadoras de alto poder, para analizar el
problema. Sin duda, existe una amp lia disponibilidad de paquet es de software para muchos tipos de
modelos matemáticos, para micro y minicomputadoras.
Por otro lado, existen obstáculos que deben evitarse al usar modelos matemáticos. Un modelo
es, necesariamente, una idealización abstracta del problema, por lo que casi siempre se requieren
aproximaciones y suposiciones de simplificación si se quiere que el modelo sea manejable (susceptible
de ser resuelto). Por lo tanto, debe tenerse cuidado de que el modelo sea siempre una representación
válida del problema. El criterio apropiado para juzgar la validez de un modelo es el hecho de si predice o
no con suficiente exactitud los efectos relativos de los diferentes cursos de acción, para poder tomar una
decisión que tenga sentido. En consecuencia, no es necesario incluir detalles sin importancia o factores
que tienen aproximadamente el mismo efecto sobre todas las opciones. Ni siquiera es necesario que la
magnitud absoluta de la medida de efectividad sea aproximadamente correcta para las diferentes
alternativas, siempre que sus valores relativos (es decir, las diferencias entre sus valores) sean bastante
preciso. Entonces, todo lo q ue se requiere es q ue exista una alta correlación entre la p redicción del
modelo y lo que ocurre en la vida real. Para asegurar que este requisito se cumpla, es importante hacer
un número considerable de pruebas del modelo y las modificaciones consecuentes. Aunque esta fase de
pruebas se haya colocado después en el orden del libro, gran parte del trabajo de validación del modelo
se lleva a cabo durante la etapa de construcción para que sirva de guía en la ob tención del mod elo
matemático.
OBTENCIÓN DE UNA SOLUCIÓN A PARTIR DEL MODELO

Resolver un modelo consiste en encontrar los valores de las variables dependientes, asociadas
a las componentes controlables del sistema con el propósito de optimizar, si es posible, o cuando menos
mejorar la eficiencia o la ef ectividad del sistema dentro del marco de referencia que fijan los objetivos y
las restricciones del problema.
La selección del mé todo de solución depende de las características del modelo. Los
procedimientos de solución pueden ser clasificados en tres tipos: a) analíticos, que utilizan procesos de
deducción matemática; b) numéricos, que son de carácter inductivo y funcionan en base a operaciones
de prueba y error; c) simulación, que utiliza métodos que imitan o, emulan al sistema real, en base a un
modelo.
Muchos de los procedimientos de solución tienen la característica de ser iterativos, es de cir
buscan la solución en base a la repetición de la misma regla analítica hasta llegar a ella, si la hay, o
cuando menos a una aproximación.
PRUEBA DEL MODELO

El desarrollo de un modelo matemático grande es análogo en algunos aspectos al desarrollo de
un programa de co mputadora grande. Cuando se completa la primera versión, es inevitable que
contenga muchas fallas. El programa debe probarse de manera exhaustiva para tratar de encontrar y
corregir tantos problemas como sea posible. Eventualmente, después de una larga serie de programas
mejorados, el programador (o equipo de programación) concluye que el actual da, en general, resultados
razonablemente válidos. Aunque sin duda quedarán algunas fallas ocultas en el programa (y quizá nunca
se detecten, se habrán eliminado suficientes problemas importantes como para que sea confiable
utilizarlo.
De manera similar, es inevitable que la primera versión de un modelo matemático grande tenga
muchas fallas. Sin duda, algunos factores o interpelaciones relevantes no se incorporaron al modelo y
algunos parámetros no se e stimaron correctamente. Esto no se p uede eludir dada la dificultad de la
comunicación y la compresión de todos los aspectos y sutilezas de un problema operacional complejo,
así como la dificultad de recolectar datos confiables. Por lo tanto, antes de usar el modelo debe probarse
exhaustivamente para intentar identificar y corregir todas las fallas que se pueda. Con el tiempo, después
de una larga serie de modelos mejorados, el equipo de IO con cluye que el modelo actual produce
resultados razonablemente válidos. Aunque sin duda quedarán algunos problemas menores ocultos en
el modelo (y quizá nunca se detecten), las fallas importantes se habrán eliminado de manera que ahora
es confiable usar el modelo. Este proceso de prueba y mejoramiento de un modelo para incrementar su
validez se conoce como validación del modelo.
Debido a que el equipo de IO puede pasar meses desarrollando todas las piezas detalladas del
modelo, es sencillo "no ver el bosque por buscar los árboles". Entonces, después de compl etar los
detalles ("los árboles") de la versión inicial del modelo, una buena manera de comenzar las pruebas es
observarlo en forma global ("el bosque") para verificar los errores u omisiones obvias. El grupo que hace
esta revisión debe, de preferencia, incluir por lo menos a una persona que no haya participado en la
formulación. Al exa minar de nuevo la fo rmulación del problema y c omprarla con el modelo pueden
descubrirse este tipo de errores. También es útil asegurarse de que todas las expresiones matemáticas
sean consistentes en las dimensiones de las unidades que emplean. Además, puede obtenerse un mejor
conocimiento de la validez del modelo variando los valores de los pa rámetros de entrada y/o de las
variables de decisión, y comprobando que los resultados del modelo se co mporten de una manera
factible. Con frecuencia, esto es especialmente revelador cuando se asignan a los p arámetros o a las
variables valores extremos cercanos a su máximo o a su mínimo.
Un enfoque más sistemático para la prueba del modelo es emplear una prueba retrospectiva.
Cuando es aplicable, esta prueba utiliza datos históricos y reconstruye el pasado para determinar si el
modelo y la solución resultante hubieran tenido un buen desempeño, de haberse usado. La comparación
de la efectividad de este desempeño hipotético con lo que en realidad ocurrió, indica si el uso del modelo
tiende a dar mejoras significativas sobre la práctica actual. Puede también indicar áreas en las que el
modelo tiene fallas y requiere modificaciones. Lo que es más, el emplear las alternativas de solución y
estimar sus desempeños históricos hipotéticos, se pueden reunir evidencias en cuanto a lo bien que el
modelo predice los efectos relativos de los diferentes cursos de acción.
Cuando se determina que el modelo y la so lución no son válidos, es necesario iniciar nuevamente el
proceso revisando cada una
UNIVERSIDAD de las PRAT.
ARTURO fases de la metodología
Curso de IO. Octubrede la investigación
2021.-Profesor Juande operaciones.
Carlos Contreras.
ESTABLECIMIENTO DE CONTROLES SOBRE LA SOLUCION

Una solución establecida como válida para un problema, permanece como tal siempre y cuando
las condiciones del problema tales como: las variables no controlables, los parámetros, las relaciones,
etc., no cambien significativamente. Esta situación
se vuelve más factible cuando algunos de los parámetros fueron estimados aproximadamente. Por lo
anterior, es n ecesario generar información adicional sobre el comportamiento de la solución debido a
cambios en los parámetros del modelo. usualmente esto se conoce como aná lisis de sensibilidad. En
pocas palabras, esta fase consiste en determinar los rangos de variación de los parámetros dentro de los
cuales no cambia la solución del problema.
IMPLANTACION DE LA SOLUCION
El paso final se inicia con el proceso de "vender" los hallazgos que se hicieron a lo largo del
proceso a los ejecutivos o tomadores de decisiones. Una vez superado éste obstáculo, se debe traducir
la solución encontrada a instrucciones y operaciones comprensibles para los ind ividuos que intervienen
en la operación y administración del sistema. La etapa de implantación de una solución se simplifica en
gran medida cuando se ha propiciado la participación de todos los involucrados en el problema en cada
fase de la metodología. Preparación para la aplicación del modelo
Esta etapa es crítica, y a que es aquí, y só lo aquí, donde se cosecharán los beneficios del
estudio. Por lo tanto, es importante que el equipo de IO participe, tanto para asegurar que las soluciones
del modelo se traduzcan con exactitud a un procedimiento operativo, como para corregir cualquier
defecto en la solución que salga a la luz en este momento.
El éxito de la puesta en práctica depende en gran parte del apoyo que proporcionen tanto la alta
administración como la gerencia operativa. Es más probable que el equipo de IO obtenga este apoyo si
ha mantenido a la a dministración bien informada y ha fomen tado la guía d e la gerencia durante el
estudio. La buena comunicación ayuda a asegurar que el estudio logre lo que la administración quiere y
por lo tanto merezca llevarse a la práctica. También proporciona a la a dministración el sentimiento de
que el estudio es suyo y esto facilita el apoyo para la implantación.
La etapa de implantación incluye varios p asos. Primero, e l equipo de investigación de
operaciones de una cuidadosa explicación a la gerencia operativa sobre el nuevo sistema que se va a
adoptar y su relación con la realidad operativa. En s eguida, estos dos grupos comparten la
responsabilidad de desarrollar los procedimientos requeridos para po ner este sistema en operación. La
gerencia operativa se encarga después de dar una capacitación detallada al personal que participa, y se
inicia entonces el nuevo curso de acción. Si tie ne éxito, el nuevo sistema se podrá emplear durante
algunos años. Con esto en mente, el equipo de IO supervisa la experiencia inicial con la acción tomada
para identificar cualquier modificación que tenga que hacerse en el futuro.
A la culminación del estudio, es apropiado que el equipo de investigación de operaciones
documento su metodología con suficiente claridad y detalle para que el trabajo sea reproducible. Poder
obtener una réplica debe ser parte del código de ética profesional del investigador de operaciones. Esta
condición es crucial especialmente cuando se estudian políticas gubernamentales en controversia.
RIESGO AL APLICAR LA INVESTIGACIÓN DE OPERACIONES

Al aplicar la IO al estudio de sistemas y a la resolución de problemas se corre el riesgo de tratar
de manipular los problemas para buscar que se ajusten a las diferentes técnicas, modelos de algoritmos
establecidos en lugar de analizar los problemas y buscar resolverlos obteniendo las soluciones mejores,
utilizando los métodos apropiados, es decir resolver el problema utilizando los métodos que proporcionan
las mejoras soluciones y no buscar ajustar el problema a un método específico.
Para llegar a hacer un uso apropiado de la I de O, e s necesario primero comprender la
metodología para resolver los problemas, así como los fundamentos de las técnicas de solución para de
esta forma saber cuándo utilizarlas o no en las diferentes circunstancias.
LIMITACIONES DE LA INVESTIGACIÓN DE OPERACIONES

1. Frecuentemente es necesario hacer simplificaciones del problema original para poder manipularlo y
obtener una solución.
2. La mayoría de los modelos sólo considera un solo objetivo y frecuentemente en las organizaciones se
tienen objetivos múltiples.
3. Existe la tendencia a no considerar la totalidad de las restricciones en un problema práctico, debido a
que los métodos de enseñanza y entrenamiento dan la aplicación de esta ciencia centralmente se
basan en problemas pequeños para razones de índole práctico, por lo que se desarrolla en los
alumnos una opinión muy simplista e ingenua sobre la a plicación de estas técnicas a problemas
reales.
4. Casi nunca se realizan análisis costo-beneficio de la implantación de soluciones definidas por medio
de la I de O, en ocasiones los beneficios potenciales se ven superados por los costos ocasionados
por el desarrollo e implantación de un modelo.
INTRODUCCIÓN A LA PROGRAMACIÓN LINEAL
El desarrollo de la prog ramación lineal entre los avances científicos más importantes de
mediados del siglo XX, su impacto desde 1950 ha sido extraordinario. En la actu alidad es una
herramienta de uso normal que ha ahorrado miles o millones de pesos a muchas compañías o negocios,
incluyendo empresas medianas en los distintos países industrializados del mundo; su aplicación a otros
sectores de la s ociedad se e stá ampliando con rapidez. Una proporción muy g rande de los cálculos
científicos en computadoras está dedicada al uso de la programación lineal.
¿Cuál es la naturaleza de esta notable herramienta y qué tipos de problemas puede
manejar?. Expresado brevemente, el tipo más común de aplicación abarca el problema general de
asignar recursos limitados entre actividades competitivas de la mejor manera posible (es decir, en forma
óptima). Con más precisión, este problema incluye elegir el nivel de ciertas actividades que compiten por
recursos escasos necesarios para realizarlas. Después, los niveles de actividad elegidos dictan la
cantidad de cada recurso que consumirá cada una de ellas. La variedad de situaciones a las que se
puede aplicar esta descripción es sin duda muy grande, y va desde la asignación de instalaciones de
producción a los productos, hasta la asignación de los recursos nacionales a las necesidades de un país;
desde la selección de una cartera de inversiones, hasta la selección de los patrones de envío; desde la
planeación agrícola, hasta el diseño de una terapia de radiación, etc. No obstante, el ingrediente común
de todas estas situaciones es la necesidad de asignar recursos a las actividades eligiendo los niveles de
las mismas.
La programación lineal utiliza un modelo matemático para describir el problema. El adjetivo lineal
significa que todas las funciones matemáticas del modelo deber ser funciones lineales. En este caso, las
palabra programación no se refiere a p rogramación en co mputadoras; en esencia es un sinónimo de
planeación. Así, la pro gramación lineal trata la planeación de las actividades para obtener un resultado
óptimo, esto es, el resultado que mejor alcance la meta especificada (según el modelo matemático) entre
todas las alternativas de solución.
Aunque la asignación de recursos a las a ctividades es la aplicación más frecuente, la

programación lineal tiene muchas otras posibilidades. de hecho, cualquier problema cuyo modelo
matemático se ajuste al forma to general del modelo de programación lineal es un problema de
programación lineal. Aún más, se dispone de un procedimiento de solución extraordinariamente eficiente
llamado método simplex, para resolver estos problemas, incluso los de gran tamaño. Estas son algunas
causas del tremendo auge de la programación lineal en las últimas décadas.
MODELO DE PROGRAMACIÓN LINEAL

Los términos clave son recursos y actividades, en donde m denota el número de distintos tipos
de recursos que se pueden usar y n denota el número de actividades bajo consideración. Algunos
ejemplos de recursos son dinero y tip os especiales de maquinaria, equipo, vehículos y personal. Los
ejemplos de actividades incluyen inversión en proyectos específicos, publicidad en un medio
determinado y el e nvío de b ienes de cierta fuente a cierto destino. En cualquier aplicación de
programación lineal, puede ser que todas las actividades sean de un tipo general (como cualquiera de
los ejemplos), y entonces cada una correspondería en forma individual a la s alternativas específicas
dentro de esta categoría general.
El tipo más usual de aplicación de programación lineal involucra la asignación de recursos a
ciertas actividades. La cantidad disponible de cada recurso está limitada, de forma que deben asignarse
con todo cuidado. La determinación de esta asignación incluye elegir los niveles de las actividades que
lograrán el mejor valor posible de la medida global de efectividad.
Ciertos símbolos se usan de manera convencional para denotar las distintas componentes de un modelo
de programación lineal. Estos símbolos se enumeran a continuación, junto con su interpretación para el
problema general de asignación de recursos a actividades.
Z = valor de la medida global de efectividad. Función a optimizar.

xj = nivel de la actividad j (para j = 1,2,...,n) Variables de decisión.
cj = incremento en Z que resulta al aumentar una unidad en el nivel de la a ctividad j. Margen de
contribución o precios en un problema de maximización, y costos en un problema de
minimización.
bi = cantidad de recurso i disponible para asignar a las actividades (para i = 1,2,...,m), Insumos o
existencias.
aij = cantidad del recurso i co nsumido por cada unidad de la actividad j. Cantidad de recursos
tecnológicos, se emplean por unidad, horas hombres, materia prima, Etc..
El modelo establece el problema en términos de tomar decisiones sobre los niveles de las
actividades, por lo que x1,x2,....,xn se llaman variables de decisión. Los valores de c j, bi y aij (para i =
1,2,....,m y j = 1,2,....,n) son las constantes de entrada al modelo. Las cj, bi y aij también se conocen como
parámetros del modelo.
FORMA ESTÁNDAR DEL MODELO

Ahora se puede formular al modelo matemático para este problema general de asignación de
recursos a actividades. En Datos necesarios para un modelo de programación lineal que maneja la
asignación de recursos a a ctividades particular, este modelo consiste en primer lugar elegir valores:
x1,x2,....,xn, como v ariables de d ecisión, luego definir la fu nción a optimizar, formular las restriccion es
propias del problemas, llamadas restricciones estructurales, finalmente definir las restricciones de no
negatividad.
Variable de decisión: x1,x2,....,……….xn,

(maximizar o minimizar) Z = c1x1 + c2x2 +....+ cnxn,
sujeta a las restricciones:
a11x1 + a12x2 +....+ a1nxn < o  b1
a21PRAT.
UNIVERSIDAD ARTURO x1 + aCurso
22x2 +....+
de IO.a2nOctubre
xn < o 2021.-Profesor
b2 Juan Carlos Contreras.
.
.
am1x1 + am2x2 +....+ amnxn < o  b
X1  0, X2 0, ..., Xn 0.
A modo de ejemplo a continuación se desarrolla un problema de programación lineal en donde

se muestra la estructura antes explicada, es de cir, definición de las variables, a mi mo do lo más
importante del problema, definidas bien las variables, en función de éstas se estructura el problema
verbal en su forma matemática, posteriormente la función a optimizar, las restricciones estructurales y
restricciones de no negatividad.
Ejemplo: Problema de mezcla de productos.

Un fabricante está tratando de decidir sobre las cantidades de producción para dos artículos:
mesas y sillas. Se cuenta con 96 unidades de material y con 72 horas de mano de obra. Cada mesa
requiere 12 unidades de material y 6 horas de mano de obra. Por otra parte, las sillas usan 8 unidades
de material cada una y requieren 12 horas de mano de obra por silla. El margen de contribución es el
mismo para las mesas que para las sillas: $5.00 por unidad. El fabricante prometió construir por lo menos
dos mesas.
Formulación del problema:

1.-Definición de Variables de decisión:
x1 = número de mesas producidas

x2 = número de sillas producidas
2.- Función a optimizar,

¿Cuál es el objetivo? Es maxim izar la contribución a la ganancia. Cada unidad de mesas o sillas
producidas contribuirá con $5 en la ga nancia. Así las dos alternativas son la producción de mesas y la
producción de sillas. Ahora puede escribirse la función objetivo:
Maximizar Z = 5x1 + 5x2

¿Cuáles son las restricciones o limitaciones del problema? Existen tres restricciones. Primero, el material
está limitado a 96 unidades. Cada mesa se lleva 12 unidades de material y cada silla usa 8 unidades. La
primera restricción es, entonces:
12x1 + 8x2 < 96
La segunda restricción es el total de horas de mano de obra. Una mesa se lleva 6 horas, una silla 12
horas y se dispone de un total de 72 horas. Así:
6x1 + 12x2 < 72
Existe una limitación más. El fabricante prometió producir por lo menos dos mesas. Esto puede
expresarse como:
x1  2
Por último, las restricciones de no negatividad son:
x1  0, x2  0
Poniendo todo junto el modelo se tiene:
Maximizar Z = 5x1 + 5x2

Restricciones: 12x1 + 8x2 < 96
6x1 + 12x2 < 72
x1  2
x1  0, x2 0
Los método de solución, so n varios, para dos variables está la alternativa de la solución gráfica, para
más de dos variables está el método simplex, en todas sus modalidades y todos los software existente.
SUPOSICIONES DEL MODELO DE PROGRAMACIÓN LINEAL

PROPORCIONALIDAD
La proporcionalidad es una suposición sobre la función objetivo y sobre las restricciones, como
se resume a continuación:
Suposición de proporcionalidad: La contribución de cada actividad al valor de la función objetivo

Z es proporcional al nivel de actividad xj, como lo representa el término cjxj en la función objetivo. De
manera similar, la co ntribución de cada actividad al lado izquierdo de cada restricción estructural o
funcional es proporcional al nivel de la actividad xj, en la forma en que lo representa el término aijxj en la
restricción. En con secuencia, esta suposición elimina cualquier exponente diferente a 1 para las
variables en cua lquier término de las funciones (ya sea la función objetivo o la func ión en el la do
izquierdo de las restricciones estructurales o funcionales) en un modelo de programación lineal.
Establece que la entrada y salida de un recurso en particular al conjunto de actividades, deben
ser la misma cantidad; o sea, que las actividades transforman los recursos y no los crean o destruyen.
Esta suposición garantiza que la contribución total tanto a la función objetivo como a las
restricciones, es igual a la suma de las contribuciones individuales. Cuando en un problema dado no se
tenga la aditividad puede recurrirse al e mpleo de otras técnicas de la programación matemática,
dependiendo de cada caso en particular.
ADITIVIDAD
Cada función en un modelo de programación lineal (ya sea la función objetivo o el lado izquierdo
de las rest ricciones funcionales) es la suma de las contribuciones individuales de las actividad es
respectivas.
DIVISIBILIDAD
Las variables de decisión en un modelo de programación lineal pueden tomar cualquier valor,
incluyendo valores no enteros, que satisfagan las restricciones funcionales y de no negatividad. Así,
estas variables no están restringidas a sólo valores enteros. Como cada variable de decisión representa
el nivel de alguna actividad, se supondrá que las actividades se pueden realizar a niveles fracciónales.
CERTIDUMBRE
La última suposición se refiere a los parámetros del modelo, es decir a los coef icientes cj, en la
función objetivo, a los coeficientes aij en las restricciones estructurales o funcionales ya los b i; en el
lado derecho de las restricciones estructurales o funcionales.
Suposiciones de Certidumbre: se supone que los valores asignados a cada parámetro

de un modelo de Programación Lineal son constantes conocidas.
En los problemas reales rara vez se satisface por completo la suposición de Certidumbre. Casi
siempre se formula un modelo de programación lineal para elegir un curso de acción futuro. Entonces los
valores de los parámetros que se emplean están basados en una predicción de las condiciones futuras,
lo que es inevitable que introduzca cierto grado de incertidumbre.
Poe eso, siempre es importante realizar un Análisis de Sensibilidad después de encontrar una
solución óptima para los valores supuestos de los pa rámetros. El prop ósito general es identificar los
parámetros Sensibles, ( Es decir aquellos cuyo valor no puede cambiar mucho sin cambiar la solución
óptima), ya qu un cambio mayor en el va lor de un parámetro sensible da la señal inmediata de la
necesidad de un cambio en la solución que se está usando.
En algunos casos, el grado de incertidumbre en los parámetros es demasiado grande para que
el análisis de sensibilidad lo pueda manejar. Entonces es necesario establecer, en forma explicita, estos
parámetros como variables aleatorias.
PERSPECTIVAS DE LAS SUPOSICIONES

Un modelo matemático intenta ser sólo una representación idealizada del problema real, Por lo
general se requiere aproximaciones y las suposiciones de simplificación para que el problema se pueda
manejar. Agregar demasiados detalles y precisión puede hacer que el modelo sea difícil de manejar para
llevar a cabo un aná lisis útil del problema. En realidad, todo lo q ue se n ecesita es q ue exista u na
correlación relativamente alta entre la predicción del modelo y lo que de hecho pasaría en el problema
real.
Este consejo sin duda es aplicable a programación lineal. Es muy frecuente en las aplicaciones
reales de esta técnica que casi ninguna de las cuatro suposiciones se cumpla. Excepto quizá por la
suposición de divisibilidad. Deben esperarse pequeñas disparidades. Esto es cierto en especial para la
suposición de certidumbre, de manera que es normal que deba aplicarse el análisis de sensibilidad para
compensar la violación de esta suposición.
Sin embargo es importante que el equipo de IO, examine las cuatro suposiciones para el
problema que se estudia y ana lice qué tan g rande son las d isparidades. Si c ualquiera de las
suposiciones queda violada de manera importante, entonces se dispone de varios modelos alternativos.
Una desventaja de estos modelos es que los algoritmos disponibles para resolverlos no son ni
lejanamente tan poderosos como el de programación lineal, pero en algunos casos esto se ha ido
solucionando. En algunas aplicaciones se ut iliza el poderoso en foque de programación lineal par a el
análisis inicial y después un modelo más complejo para refinar el análisis.
LIMITACIONES DEL MODELO DE PROGRAMACIÓN LINEAL
MODELO DETERMINÍSTICO
El modelo de PL involucra únicamente tres tipos de parámetros: Cj, aij y bi; de ahí su sencillez y
gran aplicación. Sin embargo, el valor de dichos parámetros debe ser conocido y constante. Cuando el
valor de los parámet ros tiene un cierto riesgo o incertidumbre, pude utilizarse la programación
paramédica, la programación estocástica, o realizarse un análisis de sensibilidad.
MODELO ESTÁTICO
En algunos modelos matemáticos se h an empleado con éxito las ecuaciones diferenciales,
para inducir la variable tiempo en ellos. En este sentido, puede decidirse que la PL utiliza un modelo
estático, ya que la variable tiempo no se involucra formalmente. Adquiriendo un poco de experiencia en
la formulación de modelos de PL, puede imbuirse la t emporabilidad mencionada, con el uso de
subíndices en las variables.
MODELO QUE NO SUBOPTIMIZA

Debido a la forma que se plantea el modelo de PL, o encuentra la solución óptima o declara
que ésta no existe. Cuando no es posible obtener una solución óptima y se de be obtener alguna, se
recurre a otra técnica más avanzada que la PL, la cual se denomina programación lineal por metas.
CONCLUSIÓN / RESUMEN:
La Investigación de Operaciones (IO) e s una herramienta metodológica con enfoque

cuantitativo, nos permite tomar decisiones óptimas a través de los diversos algoritmos, modelos y
métodos de solución enfocados a problemáticas o situaciones como: produc ción con recursos
limitados, distribución y tra nsporte de mercancías o productos, asignación tareas, administración y
control de recursos financieros, humanos y/o materiales; todo lo anterior con el propósito de mejorar y
optimizar los procesos, aumentar utilidades y disminuir tiempos o costos.
Esta herramienta es de gran relevancia ya que se puede obtener una solución cuantitativa a
problemas de diversos tipos o enfoques para tomar una buena decisión basada en el proceso analítico,
tiene aplicación en cualquier disciplina o sector de diversa dimensión, que puede ir desde un pequeño
negocio o establecimiento hasta una gran empresa u organización de cualquier giro.
Dentro de una empresa la IO se aplica en las áreas de producción y envasado de productos,

logística, marketing, manufactura, asignación de costos, horarios, maquinas, puestos, así como en las
rutas de embarque y transportación, entre otras más.
La resolución de un problema mediante la técnica de programación lineal permite obtener un

plan óptimo de valor relativo, en función de la enunciación del mismo. Existen un sinnúmero de motivos
por los qu e la prime ra solución obtenida no es totalmente confiable. La veracidad de los datos
empleados y las simplificaciones hechas en la elaboración de la matriz condicionan los resultados. Por
ello debe verificarse a grandes rasgos la factibilidad e implicancias de la solución obtenida.
Frecuentemente, durante el análisis del problema o d e su primera solución, aparecen
restricciones no consideradas originalmente como importantes o no tenidas en cuenta, ya que es
bastante difícil, a priori, detallar todos los mecanismos del funcionamiento o plan de la empresa., estas
razones hacen necesario un detallado análisis de la solución inicial y la revisión del planteo original.
Como puede apreciarse, la potencialidad de análisis que ofrece la Programación Lineal es muy
grande, especialmente en su aplicación a modelos de empresa. Pero a medida que se profundiza en el
análisis es mayor el requerimiento de información. La falta de datos disponibles sobre muchos aspectos
que hacen al funcionamiento de las empresas, hace que el uso de esta técnica sea limitado, pero es
indudable el valioso aporte que juega en la planificación empresarial.
BIBLIOGRAFÍA.
1.- Investigación de Operaciones: Autores Hiller, Frederick s; Liberman, Geralld J.

2.- Curso Dictado por el Dr. Ing. Franco Bellini M; http://www.investigacion-operaciones.com.

00a La Investigación de Operaciones 2021

Cargado por

Copyright:

Formatos disponibles

00a La Investigación de Operaciones 2021

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

00a La Investigación de Operaciones 2021

Cargado por

Copyright:

Formatos disponibles

INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES 1

¿QUÉ ES LA INVESTIGACIÓN DE OPERACIONES?

LA DEFINICIÓN DE CHURCHMAN, ACKOFF Y ARNOFF: LA INVESTIGACIÓN DE OPERACIONES

De ésta definición se pueden destacar los siguientes conceptos:

2. En un sistema la información es un a parte fundamental, ya qu e entre las componentes fluye

4. La investigación de operaciones es la aplicación de l a metodología científica a través modelos

La definición de la sociedad de investigación de operaciones de la Gran

La investigación de operaciones es el ataque de la ciencia moderna a los

EN RELACIÓN A ÉSTA DEFINICIÓN DEBEN DESTACARSE LOS SIGUIENTES ASPECTOS:

ORÍGENES DE LA INVESTIGACIÓN DE OPERACIONES

Desde al advenimiento de la Revolución Industrial, el mundo ha sido testigo de un crecimiento

NATURALEZA DE LA INVESTIGACIÓN DE OPERACIONES

conducción y coordinación de operaciones (o actividades) dentro de una organización. La naturaleza de

IMPACTO DE LA INVESTIGACIÓN DE OPERACIONES

ENFOQUE DE LA INVESTIGACIÓN DE OPERACIONES:

6. Se implanta la solución en el sistema real.

LA INVESTIGACIÓN DE OPERACIONES OBTIENE LA SOLUCIÓN DEL PROBLEMA REAL

METODOLOGÍA DE LA INVESTIGACION DE OPERACIONES

DEFINICIÓN DEL PROBLEMA Y RECOLECCIÓN DE DATOS

FORMULACIÓN DE UN MODELO MATEMÁTICO

OBTENCIÓN DE UNA SOLUCIÓN A PARTIR DEL MODELO

PRUEBA DEL MODELO

ESTABLECIMIENTO DE CONTROLES SOBRE LA SOLUCION

RIESGO AL APLICAR LA INVESTIGACIÓN DE OPERACIONES

LIMITACIONES DE LA INVESTIGACIÓN DE OPERACIONES

INTRODUCCIÓN A LA PROGRAMACIÓN LINEAL

Aunque la asignación de recursos a las a ctividades es la aplicación más frecuente, la

MODELO DE PROGRAMACIÓN LINEAL

Z = valor de la medida global de efectividad. Función a optimizar.

FORMA ESTÁNDAR DEL MODELO

Variable de decisión: x1,x2,....,……….xn,

a11x1 + a12x2 +....+ a1nxn < o  b1

am1x1 + am2x2 +....+ amnxn < o  b

X1  0, X2 0, ..., Xn 0.

A modo de ejemplo a continuación se desarrolla un problema de programación lineal en donde

Ejemplo: Problema de mezcla de productos.

Formulación del problema:

x1 = número de mesas producidas

2.- Función a optimizar,

Maximizar Z = 5x1 + 5x2

Poniendo todo junto el modelo se tiene:

Maximizar Z = 5x1 + 5x2

SUPOSICIONES DEL MODELO DE PROGRAMACIÓN LINEAL

Suposición de proporcionalidad: La contribución de cada actividad al valor de la función objetivo

Suposiciones de Certidumbre: se supone que los valores asignados a cada parámetro

PERSPECTIVAS DE LAS SUPOSICIONES

LIMITACIONES DEL MODELO DE PROGRAMACIÓN LINEAL

MODELO QUE NO SUBOPTIMIZA

La Investigación de Operaciones (IO) e s una herramienta metodológica con enfoque

Dentro de una empresa la IO se aplica en las áreas de producción y envasado de productos,

La resolución de un problema mediante la técnica de programación lineal permite obtener un

1.- Investigación de Operaciones: Autores Hiller, Frederick s; Liberman, Geralld J.

También podría gustarte