Introduccin a la investigacin de operaciones (IO)

Los cambios revolucionarios originaron gran aumento en la divisin de trabajo y la separacin de las responsabilidades administrativas en las organizaciones. Sin embargo esta revolucin cre nuevos problemas que se presentan hasta la fecha en muchas empresas. Uno de estos problemas es la tendencia de muchos de los componentes a convertirse en imperios relativamente autnomos, con sus propias metas y sistemas de valores. Este tipo de problemas, y la necesidad de encontrar la mejor forma de resolverlos, proporcionaron el surgimiento de la Investigacin de Operaciones.

La Investigacin de Operaciones aspira a determinar la mejor solucin (ptima) para un problema de decisin con la restriccin de recursos limitados.

INTRODUCCIN A LA INVESTIGACIN DE OPERACIONES Y FUNDAMENTOS DE LA PROGRAMACIN LINEAL

EL PROBLEMA

Los recursos son escasos

Los sistemas son vez ms complejos

Cada vez es ms difcil asignar los recursos o actividades, de la forma ms

1.1. LOS ORGENES DE LA INVESTIGACIN OPERATIVA

Antecedentes En los siglos XVII y XVIII, Newton, Leibnitz, Bernoulli y Lagrange. Los franceses Jean Baptiste-Joseph Fourier esboz mtodos de la actual programacin lineal. Von Neumann public en 1928 su trabajo "Teora de Juegos. Matemticas: modelos lineales (Farkas, Minkowski) (s.XIX). Estadstica: fenmenos de espera (Erlang, Markov) (aos 20). Economa: Quesnay (s.XVIII), Walras (s.XIX), Von Neumann (aos 20).

El origen de la I.O. moderna se sita en la Segunda Guerra Mundial para resolver problemas de organizacin militar:

Despliegue de radares, manejo de operaciones de bombardeo, colocacin de minas, etc. Y luego con motivo de la revolucin industrial, ha ido teniendo cada vez ms importancia dado el crecimiento y complejidad de las nuevas organizaciones. Actualmente est cobrando especial importancia con el desarrollo de la informtica.

El xito de la IO se debe a: Progreso terico: RAND (Dantzig), Princeton (Gomory, Kuhn, Tucker), Carnegie Institute of Technology (Charnes, Cooper). Creacin del Mtodo Simplex por George Dantzing, en 1947. El desarrollo del computador. Gran desarrollo de los ordenadores: aumento de la capacidad de almacenamiento de datos, incremento de la velocidad de la resolucin de problemas Sigue habiendo un gran desarrollo, en muchos sectores, con grandes avances sobre todo en el campo de la Inteligencia Artificial

En la actualidad existen organizaciones dedicadas al rea de IO, en sus dos niveles: acadmico y empresarial, estas organizaciones son: ORSA, Operations Research Society of American, 1952. TIMS, The Institute of management Science, 1953. ALIO, Asociacin Latinoamrica de IO. IFORS, International Federation of Operations Research. Sociedad Espaola de Estadstica e Investigaciones Operativas (SEIO) www.cica.es/aliens/seio. Association of European O.R. Societies (EURO) www.ulb.ac.be/euro/euro_welcome.html. Institute for O.R. and the Management Sci. (INFORMS) www.informs.org. International Federation of O.R. Societies (IFORS) www.ifors.org

1.2

QU ES LA INVESTIGACIN OPERATIVA?

Responderemos esta interrogante con algunas definiciones: Definicin CHURCHMAN, ACKOFF Y ARNOFF

La investigacin de operaciones es la aplicacin, por grupos interdisciplinarios, del mtodo cientfico a problemas relacionados con el control de las organizaciones o sistemas (hombre-mquina), a fin de que se produzcan soluciones que mejor sirvan a los objetivos de la organizacin.

Definicin NAMAKFORROSH

Es la aplicacin del mtodo cientfico a los problemas de decisin de las empresas y otras organizaciones, incluyendo el gobierno y la milicia. Definicin LAWRENCE Y PASTERNAK, 1998

Un enfoque cientfico para la toma de decisiones ejecutivas, que consiste en: El arte de modelar situaciones complejas, la ciencia de desarrollar tcnicas de solucin para resolver dichos modelos y la capacidad de comunicar efectivamente los resultados.

Objetivo de la Investigacin operativa

Estudiar la asignacin ptima de recursos escasos a determinada actividad. Evaluar el rendimiento de un sistema con el objeto de mejorarlo.

En conclusin podemos observar que todos coinciden en que la IO es la aplicacin del mtodo cientfico por un grupo interdisciplinario de personas a la resolucin de un problema con el fin de asignar los recursos o actividades de forma eficaz, en la gestin y organizacin de sistemas complejos y el objetivo es ayudar a la toma de decisiones es decidir mediante estos mtodos cientficos encontrar el diseo que optimiza el proceso analizado, generalmente bajo condiciones que implican la utilizacin de recursos escasos. 1.3 LA TOMA DE DECISIONES

a.

Prcticamente todas las decisiones se toman en un ambiente de cierta incertidumbre. Sin embargo, el grado vara de una certeza relativa a una gran incertidumbre. En la toma de decisiones existen ciertos riesgos implcitos.

b.-

La toma de decisin es la respuesta a un problema de evaluar un conjunto de alternativas. Algunas decisiones tienen una importancia relativa en el desarrollo de nuestra vida, mientras otras son gravitantes en ella.

c.-

Toda empresa funciona dentro de un mercado con factores competitivos, el gerente debe tener herramientas cuantitativas para tomar mejores decisiones.

d.-

Tipos de decisiones

Decisiones bajo condicin de certeza

En una situacin donde existe certeza, las personas estn razonablemente seguras sobre lo que ocurrir cuando tomen una decisin, cuentan con informacin que se considera confiable y se conocen las relaciones de causa y efecto.

Decisiones bajo condicin de incertidumbre

En una situacin de incertidumbre, las personas slo tienen una base de datos muy deficiente. No saben si estos son o no confiables y tienen mucha inseguridad sobre los posibles cambios que pueda sufrir la situacin.

Decisiones bajo condicin de riesgo

En una situacin de riesgo, quiz se cuente con informacin basada en hechos, pero la misma puede resultar incompleta. Para mejorar la toma de decisiones se puede estimar las probabilidades objetivas de un resultado, al utilizar, por ejemplo modelos matemticos. Por otra parte se puede usar la probabilidad subjetiva, basada en el juicio y la experiencia.

Base para la toma de decisiones

Bases cuantitativas: Es la habilidad de emplear tcnicas presentadas como mtodos cuantitativos o Investigacin de Operaciones, como puede ser la programacin lineal, teora de lneas de espera y modelos de inventarios. Bases cualitativas: Existen ciertas cualidades que hacen que los tomadores de decisin sean buenos o malos. Las cualidades que tienen mayor importancia a la hora de analizar al tomador de las decisiones son: i. ii. iii. iv. v. Informacin. Conocimientos. Experiencia. Anlisis. Juicio.

e.

Clases de decisiones

Decisiones programadas

Son aquellas que se toman frecuentemente, es decir son repetitivas y se convierte en una rutina tomarlas.

Decisiones no programadas

Son decisiones que se toman en problemas o situaciones que se presentan con poca frecuencia 1.4 TCNICAS DE LA INVESTIGACIN OPERATIVA (I .O)

Las tcnicas utilizadas para resolver problemas y apoyar a la toma de decisiones son variadas, dependiendo, entre otros factores de la naturaleza de los datos. Se utilizan modelos matemticos Para solucionar modelos cuantitativos, podemos hacer uso de las siguientes tcnicas de optimizacin:

Determinsticos. Los casos determinsticos se presentan cuando hay certeza sobre los parmetros. Que son establecidos y fijados de antemano y en consecuencia nos conducen a resultados ciertos. En estos casos se recurren a modelos matemticos de optimizacin.

Probabilistico. Cuando no existe certeza sobre todos los datos, y algunos parmetros o elementos no se conocen. Parten de datos estadsticos y nos conducen a resultados probables. En estos casos se recurren a modelos matemticos para proyectar y extrapolar, predecir.

Dentro de las tcnicas de optimizacin tanto en determinsticos como probabilsticos sealaremos los siguientes: A. Modelos determinsticos B. 1.5 Programacin matemtica Programacin lineal Programacin entera Programacin dinmica Programacin no lineal Programacin multiobjetivo Modelos de transporte Modelos de redes

Modelos probabilsticos Programacin estocstica Gestin de inventarios Fenmenos de espera (colas) Teora de juegos Simulacin

PERFIL PROFESIONAL EN IO

Un profesional en IO debe tener una buena formacin en cuatro reas: Conocimientos en las reas de la IO. Conocimientos de las tcnicas cuantitativas y los softwares correspondientes. Conocimiento especializado en un rea diferente de la IO, esto le dar al profesional una competencia especial de aplicar IO. Conocimiento bsico en desarrollar Sistemas de Soporte de Decisiones, para la fase de implementacin de la aplicacin.

1.6. POR QU SON NECESARIAS LAS TCNICAS DE OPTIMIZACIN Y ANLISIS?

El inters por resolver un problema del mundo real nos lleva a la construccin o formulacin de modelos, el proceso de tomar un problema real y abstraerlo en trminos matemticos nos conduce al uso de una de las tcnicas de optimizacin y anlisis mencionados en 1.5, que son muy importantes y necesarias pues ellas nos permiten resolver problemas complejos y diversos aplicados a la ingeniera, economa, minera, transporte, medio ambiente, medicina, en el campo militar, organizaciones sociales, etc. Las tcnicas de anlisis permiten obtener informacin muy til para interpretacin. en las

1.7. SECUENCIAS OPERATIVAS DE UN PROYECTO DE IO

A lo largo de todo el proceso debe haber una interaccin constante entre el analista y el cliente

El proceso de aplicar mtodos cuantitativos requiere una sucesin sistemtica de pasos estos son:

Definicin del problema

Desarrollo de un modelo matemtico y recoleccin de datos

Resolucin del Modelo Matemtico

Solucin

Modelo Modificado

no

Es vlida la soluci

S
Implementacin

1.7.1 Definicin del problema

El primer paso es identificar, comprender y describir en trminos precisos el problema que la organizacin enfrenta. En algunos casos, el problema est bien definido y es claro.

En otras situaciones, el problema puede no estar bien definido y puede requerir bastantes discusiones y consenso entre los miembros del equipo de proyectos. 1.7.2 Desarrollo de un modelo matemtico y recoleccin de datos

Despus de que el problema est claramente definido y comprendido, el siguiente paso es expresar el problema en una forma matemtica, esto es, formular un modelo matemtico. Una vez construido el modelo, existen muchas tcnicas matemticas disponibles para obtener la mejor solucin, a pesar del vasto nmero de alternativas o de la complejidad implicada Variable de decisin/variable/variable controlable: Es una cantidad cuyo valor se puede controlar y es necesario determinar para solucionar un problema de decisin. Funcin objetivo: El objetivo global de un problema de decisin expresado en una forma matemtica en trminos de los datos y de las variables de decisin. Limitacin: Es una restriccin sobre los valores de variables en un modelo matemtico tpicamente impuesto por condicin externa. Datos/ parmetros incontrolables: Informacin conocida en un problema de decisin que no se puede controlar pero que se puede usar para determinar la solucin 1.7.3 Resolucin del modelo matemtico

Una vez formulado un modelo matemtico del problema, el siguiente paso es resolver el modelo, es decir, obtener valores numricos para la variable de decisin. Es decir, una vez que identifique el tipo de modelo que tiene, podr elegir una tcnica de administracin apropiada para resolverlo. Estas tcnicas pertenecen a una de dos categoras:

a) Mtodos ptimos, que producen los mejores valores para las variables de decisin, es decir, aquellos valores que satisfacen simultneamente todas las limitaciones y proporcionan el mejor valor para la funcin objetivo. b) Mtodos heursticos, que producen valores para las variables que satisfacen todas las limitaciones. Aunque no necesariamente ptimos, estos valores proporcionan un valor aceptable para la funcin objetivo.

En

contraste

con

los

mtodos

ptimos,

los

mtodos

heursticos

son

computacionalmente ms eficientes y por tanto se usan cuando la obtencin de soluciones ptimas lleva demasiado tiempo o es imposible porque el modelo es demasiado complejo. 1.7.4 Validacin, instrumentacin y control de la solucin

Despus de resolver el modelo matemtico, es extremadamente importante validar la solucin, es decir, revisar la solucin cuidadosamente para ver que los valores tienen sentido y que las decisiones resultantes puedan llevarse a cabo. Algunas de las razones para hacer esto son:

El modelo matemtico puede no haber captado todas las limitaciones del problema real.

Ciertos aspectos del problema pueden haberse pasado por alto, omitido deliberadamente o simplificado.

Los datos pueden haberse estimado o registrado incorrectamente, tal vez al introducirlos a la computadora.

1.7.5 Modificacin del modelo

Si durante el paso de validacin se encuentra que la solucin no puede llevarse a cabo, se pueden identificar las limitaciones que fueron omitidas durante la formulacin del problema original o puede uno darse cuenta de que algunas de las limitaciones originales eran incorrectas y necesitan modificarse. En estos casos, debe regresarse a la etapa de formulacin del problema y hacerse cuidadosamente las modificaciones apropiadas para reflejar con ms exactitud el problema real.

1.8

INTRODUCCIN A LA CONSTRUCCIN DE MODELOS

1.8.1 El modelado

Es una ciencia de anlisis de relaciones, aplicacin de algoritmos de solucin y a la vez un arte: visin de la realidad, estilo, elegancia, simplicidad, uso creativo de las herramientas y experiencia 1.8.2 Modelo

Representacin simplificada de la realidad, que facilita su comprensin y el estudio de su comportamiento. Tambin podemos decir que un modelo es una abstraccin selectiva de la realidad que: Debe mantener un equilibrio entre sencillez y capacidad de representacin Modelo matemtico: Modelo expresado en trminos matemticos: Hace ms claras la estructura y relaciones. Facilita el uso de tcnicas matemticas y ordenadores. A veces no es aplicable.

Los modelos pueden ser: Modelos fsicos, modelos de aviones a escala, etc. Modelos anlogos, mapa de carreteras, etc. Modelos simblicos, modelos cuantitativos (determinsticos,

probabilsticos o estocsticos).

1.8.3 Construccin del modelo

Traduccin del problema a trminos matemticos Objetivos: funcin objetivo Alternativas: variables de decisin Limitaciones del sistema: restricciones

Pero a veces las relaciones matemticas son demasiado complejas Heursticos Simulacin

1.8.4 Modelado matemtico

Paso 1. Identificar las variables de decisin Sobre qu tengo control? Qu es lo que hay que decidir? Cul sera una respuesta vlida en este caso? Paso 2. Identificar la funcin objetivo Qu pretendemos conseguir? Si yo fuese el jefe de la empresa, qu me interesara ms? Paso 3. Identificar las restricciones o factores que limitan la decisin

Recursos disponibles (trabajadores, mquinas, material) Fechas lmite Restricciones por la naturaleza de las variables (no negatividad, enteras, binarias) Restricciones por la naturaleza del problema Paso 4. Traduccin de los elementos bsicos a un modelo matemtico.

1.8.5. Resolucin del modelo

Paso 1. Elegir la tcnica de resolucin adecuada Tcnicas existentes, modificacin, creacin o heursticos.

Paso 2. Generar las soluciones del modelo Programas de ordenador, hojas de clculo. Paso 3. Comprobar/validar los resultados Probar la solucin en el entorno real Paso 4. Si los resultados son inaceptables, revisar el modelo matemtico Estudiar hiptesis, comprobar exactitud de datos, relajar o endurecer aproximaciones, revisar restricciones

Paso 5. Realizar anlisis de sensibilidad Analizar adaptaciones en la solucin propuesta frente a posibles cambios 1.8.6 Gua general para la formulacin de modelos

Identificacin de los elementos bsicos. Expresar en palabras:

Datos del problema Factores que no son susceptibles de cambio

Variables de decisin Variables sobre las que se tiene control

Restricciones Causas por las que la decisin est limitada

Funcin objetivo Medida del rendimiento que se quiere optimizar

Traduccin de los elementos bsicos a expresiones matemticas

SERIE DE PROBLEMAS 1.0

1.- Ampliar los orgenes de la IO

2.- Qu es y para qu sirve la IO? Dar algunas otras definiciones.

3.- Investigar sobre la toma de decisiones en nuestros das

4.- Breves definiciones sobre las diferentes tcnicas de la IO