Ingeniare.

Revista Chilena de Ingeniera

ISSN: 0718-3291
facing@uta.cl
Universidad de Tarapac
Chile

Candia-Vjar, Alfredo; Gonzlez, Marcela

Sistemas de ingeniera: problemas, modelos y algoritmos de solucin para la ayuda en la toma de
decisiones
Ingeniare. Revista Chilena de Ingeniera, vol. 19, nm. 3, 2011, pp. 310-311
Universidad de Tarapac
Arica, Chile

Disponible en: http://www.redalyc.org/articulo.oa?id=77221486001

Cmo citar el artculo

Nmero completo
Ms informacin del artculo
Pgina de la revista en redalyc.org

Sistema de Informacin Cientfica

Red de Revistas Cientficas de Amrica Latina, el Caribe, Espaa y Portugal
Proyecto acadmico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto

Ingeniare. Revista chilena de ingeniera, vol.19 N3, 2011, pp.310-311

EDITORIAL
Sistemas de ingeniera: problemas, modelos y algoritmos de solucin
para la ayuda en la toma de decisiones
El desarrollo cientfico-tecnolgico ha llevado tanto a un incremento en la complejidad de los Sistemas
de Ingeniera como a la definicin de nuevos problemas asociados a esta rea. Lo anterior ha conducido
a enfrentar problemas cientficos ligados a la toma de decisiones, muy difciles de resolver, motivando
la generacin de metodologas sofisticadas y efectivas para abordar estos problemas.
Algunas reas de problemas tradicionales en Sistemas de Ingeniera son Logstica y Transporte,
Generacin y Distribucin de Energa Elctrica y Localizacin de Servicios (Salud, Educacin,
Logstica, etc.). Nuevas problemticas han aparecido en estas reas como tambin en reas nuevas como
Bioinformtica y Redes de Comunicacin. Tanto las reas nuevas como las tradicionales comparten
la propiedad de enfrentar modelos de toma de decisiones cada vez ms complejos dado el desarrollo
y crecimiento econmico, el avance cientfico-tecnolgico y la inestabilidad econmica y poltica
mundial.
Problemas difciles aparecen en varios de los componentes de Sistemas de Ingeniera. Un componente
tradicional asociado a la dificultad de estos problemas es su complejidad computacional. Por ejemplo,
en un problema de localizacin de plantas, que es una fuente inagotable de problemas complicados,
muchas veces resulta que no se conocen algoritmos de tiempo polinomial para resolver el problema
(y no se espera que tales algoritmos existan). Por lo tanto, el diseo de algoritmos aproximados o
heursticos que puedan entregar buenas soluciones en tiempos razonables es crucial cuando el problema
a resolver es complicado.
Otra fuente de dificultad aparece por el lado de la incertidumbre asociada a un sistema. Aun cuando
existen sistemas simples que no tienen incertidumbre en sus diferentes componentes, sistemas del
mundo real son siempre afectados por la incertidumbre y ella est presente en la mayora o todos
sus elementos. En algunos casos la incertidumbre se puede modelar mediante probabilidades;
Programacin Estocstica es el rea que provee de teora y tcnicas para abordar problemas de este
tipo. Otra alternativa es la llamada Optimizacin Difusa en donde la incertidumbre se modela usando
los conceptos de conjuntos difusos y una alternativa ms reciente es la Optimizacin Robusta donde el
objetivo es normalmente optimizar una funcin objetivo del peor caso. Cualquiera sea la modelacin
matemtica usada, el modelo resultante conteniendo incertidumbre es ms complejo que el modelo
clsico correspondiente.
Comentamos una ltima fuente de dificultad. Se trata de problemas de optimizacin que naturalmente
consideran dos o ms funciones objetivos a optimizar. Por ejemplo, queremos minimizar los costos de
construir un cierto nmero de plantas de una industria en expansin y tambin queremos minimizar el
impacto ambiental producido por la construccin y operacin de estas plantas. Los modelos matemticos
de Optimizacin Multicriterio y Optimizacin Multiobjetivo se han desarrollado para intentar resolver
estos desafiantes problemas.
Respecto a las metodologas de resolucin de problemas asociados a Sistemas de Ingeniera, existe
un importante grupo de tcnicas, algoritmos y programas disponibles. En particular, el modelo de
Programacin Lineal y el algoritmo simplex y algoritmos de punto interior, el modelo de Programacin
Lineal Entera y los algoritmos Branch and Bound y Branch and Cut; estos modelos y algoritmos
han resuelto, por ms de 50 aos, importantes problemas de optimizacin del mundo real. Sin

Candia-Vjar y Gonzlez: Sistemas de ingeniera: problemas, modelos y algoritmos de solucin para la ayuda en la toma

embargo, la complejidad creciente de problemas provenientes de Sistemas de Ingeniera junto a la

complejidad intrnseca de los problemas ha llevado a desarrollar una nueva clase de algoritmos llamados
Metaheursticas.
Las Metaheursticas son algoritmos que se comportan como heursticas, esto es, ellas no garantizan
la obtencin de una solucin ptima para un problema dado, solamente implica resolver un problema
en forma aproximada y en un tiempo razonable para la gran mayora de las aplicaciones reales. La
gran distincin de las metaheursticas respecto de las conocidas heursticas es que las primeras son
algoritmos generales de modo que se puedan adaptar a la gran mayora de problemas de optimizacin
discreta y combinatorial. A partir de los aos 80 ha habido un desarrollo impresionante de investigacin
en torno a las metaheursticas. Nuevas ideas conducen a variantes de ellas o definitivamente a nuevas
metaheursticas. Algunas de ellas son Algoritmos Genticos, Colonia de Hormigas, GRASP, Simulated
Annealing y Bsqueda Tab. Existe una gran experiencia en el uso de estos algoritmos para la resolucin
de problemas complejos en variadas reas de la Ingeniera y el desarrollo de nuevos esquemas de
solucin ms eficientes requiere de gran atencin.

Alfredo Candia-Vjar
Marcela Gonzlez
Departamento de Modelacin y Gestin Industrial
Universidad de Talca
Km 1, Camino a Los Niches
Curic, Chile
E-mail: acandia@utalca.cl; mgonzalez@utalca.cl