Investigacin de Operaciones

La Investigacin de Operaciones es la aplicacin del mtodo cientfico en el anlisis y manejo de problemas

en cualquier sistema u organizacin, mediante el uso de modelos matemticos de ingeniera complejos, para
poder llegar a una solucin ptima para toda la organizacin.
Sus orgenes datan despus de la Revolucin Industrial, al cambiar de la Produccin Artesanal a la Produccin
en Serie.
Su desarrollo aument durante la Segunda Guerra Mundial, en donde se utiliz para aprovechar mejor los
recursos: municiones, armas y tanques, etc.
En 1947 Jeorge Dantzig desarroll el Mtodo Simplex para resolver problemas de Programacin Lineal, con
el cual se busca Optimizar o Minimizar algo, (segn los objetivos de la organizacin), mediante la
manipulacin algebraica de las variables de decisin.
Un factor que dio gran impulso al desarrollo de este campo fue la revolucin de las computadoras. El manejo
eficaz de los complejos problemas inherentes a la IO casi siempre requiere un gran nmero de clculos.
Realizarlos de forma manual puede resultar casi imposible, por lo cual el desarrollo de la computadora
electrnica digital, con su capacidad para hacer clculos aritmticos, miles o tal vez millones de veces ms
rpido que los seres humanos, fue una gran ayuda para esta disciplina. Otro avance tuvo lugar en la dcada de
los aos ochenta, con el desarrollo de computadoras personales cada vez ms rpidas y de buenos paquetes de
software para resolver problemas de IO.
Una caracterstica adicional de la investigacin de operaciones es que intenta encontrar una mejor solucin
llamada solucin ptima para el problema en cuestin. (Se dice una mejor solucin y no la mejor solucin
porque es posible que existan muchas soluciones que puedan considerarse como las mejores.) la meta es
identificar el mejor curso de accin posible; esta bsqueda del mejor camino es un aspecto importante de la
IO.
Cuando se decide emprender un estudio de IO completo de un problema nuevo, es necesario emplear el
enfoque de equipo. Este grupo de expertos debe incluir individuos con antecedentes slidos en matemticas,
estadstica y teora de probabilidades, al igual que en economa, administracin de empresas, ciencias de la
computacin, ingeniera, ciencias fsicas, ciencias del comportamiento y, por supuesto, en las tcnicas
especiales de IO. El equipo tambin necesita experiencia y aptitudes necesarias para considerar de manera
adecuada todas las ramificaciones del problema dentro de la organizacin.

Ejemplos de aplicacin
En el proceso, la IO ha contribuido de manera significativa al incremento de la productividad de la economa
de varios pases, pero tambin la Investigacin de Operaciones ha tenido un efecto impresionante en el
mejoramiento de la eficiencia de numerosas organizaciones de todo el mundo. Ejemplos de aplicacin:
Federal Express (FedEx) es la compaa de transporte de paquetes ms grande del mundo. Cada da de trabajo
entrega ms de 6.5 millones de documentos, paquetes y otros artculos a travs de Estados Unidos y ms de
220 pases y territorios alrededor del mundo. En algunos casos, la entrega de estos embarques est garantizada
para el da siguiente a las 10:30 a.m.
Los desafos logsticos que implica proporcionar este servicio son extraordinarios. Los millones de embarques
diarios deben ordenarse y ponerse en ruta de manera individual hacia la ubicacin general correcta (por lo
general por avin) para despus ser entregados en el destino exacto (normalmente con un vehculo motorizado)
en un tiempo sorprendentemente breve.
La investigacin de operaciones (IO) es el motor tecnolgico que impulsa a esta compaa. Desde su fundacin
en 1973, la IO le ha ayudado a tomar sus decisiones de negocios ms importantes, entre ellas inversiones en
equipo, estructura de rutas, programacin, finanzas y ubicacin de instalaciones.
Continental Airlines es una importante compaa estadounidense que transporta pasajeros, carga y correo.
Opera ms de 2000 salidas diarias a muchos ms de 100 destinos nacionales y casi 100 internacionales.

Pgina 1 de 5
Las lneas areas deben reasignar tripulaciones con rapidez para cubrir los vuelos abiertos y para regresarlos a
sus programas originales de una manera eficiente en cuanto a costos al mismo tiempo que cumple todas las
regulaciones gubernamentales, obligaciones contractuales y elevados estndares de calidad de vida.
Para enfrentar estos problemas, un equipo de IO en Continental Airlines desarroll un modelo matemtico
detallado para reasignar tripulaciones a vuelos tan pronto como surgan las emergencias. Como la aerolnea
tiene miles de tripulaciones y vuelos diarios, el modelo necesitaba ser enorme para poder considerar todas las
posibles asignaciones de tripulaciones a vuelos. Por lo tanto, el modelo tiene millones de variables de decisin
y muchos miles de restricciones. En su primer ao de uso (principalmente en 2001), el modelo se aplic cuatro
veces para recuperarse de interrupciones de itinerario muy importantes (dos tormentas de nieve, una
inundacin y los ataques terroristas del 11 de septiembre). Ello produjo ahorros de aproximadamente 40
millones de dlares. Las aplicaciones subsiguientes se extendieron a muchas interrupciones menores diarias.
Aunque despus otras aerolneas comenzaron a aplicar investigacin de operaciones de una manera similar,
esta ventaja inicial sobre las dems compaas para recuperarse con ms rapidez de interrupciones de itinerario
con menos vuelos retrasados y cancelados coloc a Continental Airlines en una posicin fuerte cuando la
industria enfrent un periodo difcil durante los aos iniciales del siglo xxi.
Swift & Company es una empresa diversificada productora de protena con base en Greeley, Colorado. Con
ventas anuales de ms de 8000 millones de dlares, la carne de res y sus productos derivados.
Utiliza la IO para saber que fabricar en cada uno de los centros que tiene y optimizar sus ventas. Los beneficios
totales auditados que se observaron en el primer ao de operacin de este sistema fueron de 12.74 millones de
dlares, de los cuales 12 millones correspondieron a la optimizacin de la mezcla de productos. Entre otros
beneficios se destacan la disminucin de las rdenes perdidas, la reduccin de los descuentos de precio y la
mejora de las entregas a tiempo.
El Memorial Sloan-Kettering Cancer Center (MSKCC) en Nueva York es el centro para el tratamiento del
cncer ms antiguo del mundo. Un equipo de IO del Centro para la Investigacin de Operaciones en Medicina
y Cuidado de la Salud del Georgia Institute of Technology trabaj con mdicos del MSKCC para desarrollar
un mtodo vanguardista altamente complejo para optimizar la aplicacin de radioterapia al cncer de prstata.
El reto consiste en determinar el patrn geomtrico tridimensional ms eficaz para colocarlas.
La optimizacin se hace en cuestin de minutos mediante un sistema de planeacin computarizado que puede
ser operado con facilidad por el personal mdico cuando comienza el procedimiento de insertar las semillas
en la prstata del paciente.
Este procedimiento para optimizar la aplicacin de la radioterapia para el cncer de prstata ha teniendo un
efecto profundo tanto en los costos del cuidado de la salud como en la calidad de vida de los pacientes que
reciben el tratamiento debido a su alta eficacia y a la reduccin sustancial de los efectos colaterales.
Si la dosis en radio Terapia es menor en tratamientos de cncer de prstata, el cncer resurge en unos aos; si
es mayor, ocasiona problemas de mal funcionamiento (disfuncin), por lo que la IO se utiliza para encontrar
la cantidad optima y los puntos en la prstata donde se deben colocar los puntos de RT, reduciendo de sta
manera los costos.
Proporciona un procedimiento quirrgico ms eficiente y reduce la necesidad de tratar efectos colaterales
subsecuentes. Tambin se anticipa que este enfoque puede extenderse a otras formas de radioterapia, como el
tratamiento del cncer de seno, crvix, esfago, tracto biliar, pncreas, cabeza y cuello, y ojo.

Los estudios de IO se dividen en ciertas fases:

1. Definicin del problema de inters y recoleccin de datos relevantes.
2. Formulacin de un modelo matemtico que represente el problema.
3. Desarrollo de un procedimiento basado en computadora para derivar una solucin para el problema a partir
del modelo.
4. Prueba del modelo y mejoramiento de acuerdo con las necesidades.
5. Preparacin para la aplicacin del modelo prescrito por la administracin.
6. Implementacin.

Pgina 2 de 5
Definicin del problema y recoleccin de datos
En contraste con los ejemplos de los libros de texto, la mayor parte de los problemas prcticos que enfrenta un
equipo de IO son descritos, al principio, de una manera vaga e imprecisa. Por consiguiente, la primera actividad
ser el estudio del sistema relevante y el desarrollo de un resumen bien definido del problema que ser
analizado. Esta etapa incluye la determinacin de los objetivos apropiados, las restricciones sobre lo que es
posible hacer, las interrelaciones del rea en estudio con otras reas de la organizacin, los diferentes cursos
de accin posibles, los lmites de tiempo para tomar una decisin, etc. Este proceso de definicin del problema
es crucial, pues afectar de forma significativa la relevancia de las conclusiones del estudio.
Es vital que el equipo de IO tenga una visin al mismo nivel que la administracin, incluso para identificar el
problema correcto desde el punto de vista gerencial y que, a su vez, la administracin le brinde apoyo sobre
cualquier curso que tome el estudio.
Un aspecto muy importante de la formulacin del problema es la determinacin de los objetivos apropiados.
Para esto es necesario trabajar desde el principio, en concordancia con el encargado de tomar las decisiones.
Por su naturaleza, a la IO le concierne el bienestar de toda la organizacin, no slo de algunos componentes.
Un estudio de IO trata de encontrar soluciones ptimas globales, y no soluciones subptimas aunque sean lo
mejor para uno de los componentes. Desde un punto de vista ideal, los objetivos formulados deben coincidir
con los de toda la organizacin; sin embargo, esta coincidencia no siempre es conveniente. Muchos problemas
interesan slo a una parte de la organizacin,
Los objetivos de un estudio deben ser tan especficos como sea posible, siempre y cuando consideren las metas
principales del tomador de decisiones y mantengan un nivel razonable de congruencia con los objetivos de
niveles ms elevados.

Formulacin de un modelo matemtico

Una vez que el tomador de decisiones define el problema, la siguiente etapa consiste en reformularlo de manera
conveniente para su anlisis. La forma convencional en que la investigacin de operaciones logra este objetivo
es mediante la construccin de un modelo matemtico que represente la esencia del problema.
Los modelos, o representaciones idealizadas, son una parte integral de la vida diaria. Entre los ejemplos ms
comunes pueden citarse modelos de avin, retratos, globos terrqueos y otros. De igual manera, los modelos
tienen un papel importante en la ciencia y los negocios, como lo hacen patente los modelos del tomo y de las
estructuras genticas, las ecuaciones matemticas que describen las leyes fsicas del movimiento o las
reacciones qumicas, las grficas, los organigramas y los sistemas contables en la industria. Esos modelos son
invaluables, pues extraen la esencia del material de estudio, muestran sus interrelaciones y facilitan el anlisis.
Los modelos matemticos tambin son representaciones idealizadas, pero estn expresados en trminos de
smbolos y expresiones matemticas. El modelo matemtico de un problema industrial est conformado por el
sistema de ecuaciones y expresiones matemticas relacionadas que describen la esencia del problema.
De esta forma, si deben tomarse n decisiones cuantificables relacionadas entre s, se representan como
variables de decisin (x1, x2, . . . , xn) para las que se deben determinar los valores respectivos. En
consecuencia, la medida de desempeo adecuada (por ejemplo, la ganancia) se expresa como una funcin
matemtica de estas variables de decisin (por ejemplo, Z = 3X1 + 2X2 + . . . + 5Xn), esta funcin se llama
funcin objetivo. Tambin se expresan en trminos matemticos todas las limitaciones que se puedan imponer
sobre los valores de las variables de decisin, casi siempre en forma de ecuaciones o desigualdades (como X1
+ 3X2 + 2X3 10). Con frecuencia, tales expresiones matemticas de las limitaciones reciben el nombre de
restricciones. Las constantes (los coeficientes o el lado derecho de las expresiones) de las restricciones y de
la funcin objetivo se llaman parmetros del modelo.
El modelo matemtico puede decir entonces que el problema es elegir los valores de las variables de decisin
de manera que se maximice la funcin objetivo, sujeta a las restricciones dadas. Un modelo de este tipo, y
algunas de sus variantes menores, tipifican los modelos que se analizan en investigacin de operaciones.
Como ya se coment, la determinacin de los valores de los parmetros en los problemas reales requiere la
recoleccin de los datos relevantes. Pero, a menudo la recoleccin de datos exactos es difcil, por lo tanto, es
Pgina 3 de 5
comn que el valor asignado a un parmetro sea, por necesidad, slo una estimacin. Debido a la incertidumbre
sobre el valor real del parmetro es importante analizar la forma de cmo cambiara si lo hace la solucin
derivada del problema cuando el valor asignado al parmetro cambia por otros valores posibles. Este proceso,
que se conoce como anlisis de sensibilidad.

Obtencin de soluciones a partir del modelo

Una vez formulado el modelo matemtico del problema en estudio, la siguiente etapa de un trabajo de IO
consiste en desarrollar un procedimiento, por lo general en computadora, para obtener una solucin a partir de
este modelo.
Puede pensarse que sta debe ser la parte principal del estudio, pero, en realidad, en la mayora de los casos
no lo es. De hecho, a veces sta es una etapa bastante sencilla, en la que se aplica uno de los dos algoritmos
procedimientos iterativos de solucin de investigacin de operaciones en una computadora mediante el
uso de algunos de los paquetes de software disponibles. Para el investigador de operaciones experimentado,
encontrar la solucin es la parte divertida, mientras que el verdadero trabajo se encuentra en las etapas
anteriores y en las subsecuentes, entre las que se incluyen el anlisis posptimo, de cuyos resultados debern
partir las decisiones que se tomen.

Prueba del modelo

En algunos aspectos, la elaboracin de un modelo matemtico grande es anlogo al desarrollo de un programa
de computadora grande. Cuando se completa la primera versin es inevitable que contenga muchas fallas. El
programa debe ser probado de manera exhaustiva para tratar de encontrar y corregir tantas fallas como sea
posible. Con el tiempo, despus de una larga serie de programas mejorados, el programador o equipo de
programacin concluye que el programa actual proporciona, en general, resultados razonablemente vlidos.
Aunque sin duda quedarn algunas fallas ocultas y quiz nunca sean detectadas se habr eliminado la
cantidad suficiente de problemas mayores como para que su utilizacin sea confiable.
Entonces, el proceso de prueba y mejoramiento de un modelo para incrementar su validez se conoce como
validacin del modelo.
Un planteamiento ms sistemtico de la prueba del modelo se logra mediante el empleo de una prueba
retrospectiva. Cuando es aplicable, esta prueba utiliza datos histricos y reconstruye el pasado para
determinar si el modelo y la solucin resultante hubieran tenido un buen desempeo, si se hubieran usado. La
comparacin de la eficacia de este desempeo hipottico con lo que en realidad ocurri indica si la utilizacin
del modelo tiende a generar mejoras significativas respecto de la prctica actual. Puede indicar tambin reas
en las que el modelo tiene fallas y requiere modificaciones. An ms, cuando se emplean las alternativas de
solucin y se estiman sus desempeos histricos hipotticos, se pueden reunir evidencias sobre la precisin
del modelo para predecir los efectos relativos de los diferentes cursos de accin.
Por otra parte, la prueba retrospectiva tiene la desventaja de que se basa en los mismos datos que sirvieron
para formular el modelo. Entonces, la pregunta crucial es si el pasado en realidad representa el futuro. Si no
es as, el modelo puede tener un desempeo distinto en el futuro del que haya tenido en el pasado.
Para evitar esta desventaja de la prueba retrospectiva, a veces es til continuar con las circunstancias actuales
durante una temporada. Este recurso proporcionar nuevos datos con los cuales no se contaba cuando el
modelo fue construido, los que se pueden emplear de la manera descrita para evaluar el modelo.

Implementacin
Una vez desarrollado el sistema para aplicar el modelo, la ltima etapa de un estudio de IO es implementarlo
segn lo haya establecido la administracin. Esta etapa es crtica, pues aqu y slo aqu se cosecharn los
beneficios del estudio. Por lo tanto, es importante que el equipo de IO participe para asegurar que las soluciones
del modelo se traduzcan con exactitud en un procedimiento operativo, y para corregir defectos en la solucin
que se presenten en cualquier momento.

Pgina 4 de 5
El xito de la implementacin depende en gran medida del apoyo que proporcionen tanto la alta administracin
como la gerencia operativa. Es ms probable que el equipo de IO obtenga este apoyo si ha mantenido a la
administracin bien informada y ha fomentado la gua de sta durante el estudio. La buena comunicacin
ayuda a asegurar que el estudio logre lo que pretende y, por lo tanto, merezca ponerse en prctica. Tambin
proporciona a la administracin el sentimiento de que el estudio es suyo y facilita el apoyo para su
implementacin.
La etapa de implementacin incluye varios pasos. Primero, el equipo de IO explica en forma cuidadosa a la
administracin operativa el nuevo sistema que debe adoptar y su relacin con la realidad operativa. A
continuacin, estos dos grupos comparten la responsabilidad de desarrollar los procedimientos que se
requieren para poner el sistema en operacin. Despus, la administracin operativa se encarga de proporcionar
una capacitacin detallada al personal que participa, y se inicia el nuevo curso de accin. Si tiene xito, el
nuevo sistema se podr emplear durante algunos aos. Con este objetivo en mente, el equipo de IO supervisa
la experiencia inicial con base en la accin que se tom para identificar cualquier modificacin que deba
hacerse en el futuro.
Durante el periodo de uso del nuevo sistema, es importante continuar con la retroalimentacin acerca de su
funcionamiento y verificar si los supuestos todava se cumplen. Cuando ocurren desviaciones significativas de
los supuestos originales, el modelo debe ser revisado para determinar si necesita modificaciones.

Pgina 5 de 5