Investigación de operaciones.

Introducción a la I.O.
Las primeras actividades de la investigación de operaciones (I.O.) iniciaron durante la
segunda guerra mundial, cuando un equipo de científicos empezó a tomar decisiones
con respecto a la mejor utilización del material bélico (problemas tácticos y estratégicos
asociados a la defensa del país). Al término de la guerra, y atraídos por los buenos
resultados obtenidos por las estrategias militares, los administradores industriales
empezaron a aplicar las herramientas de la investigación de operaciones a la resolución
de sus problemas que empezaron a originarse debido al crecimiento del tamaño y la
complejidad de las industrias.

Definición de investigación de operaciones.

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 toda la organización.
La investigación de operaciones es un método que permite encontrar las relaciones
óptimas que mejor operen un sistema, dado un objetivo específico.
En la investigación de operaciones existen tres clases de modelos: icónicos, analógicos,
simbólicos o matemático.
Los modelos icónicos son imágenes a escala del sistema cuyo problema se requiere
resolver, ejemplo: las fotografías, las maquetas, dibujos y modelos a escala (barcos,
automóviles, aviones, etc.)
Los modelos analógicos se basan en la representación en las propiedades de un sistema
cuyos problemas se requieren resolver utilizando otro sistema cuyas propiedades son
equivalentes, ejemplo: las propiedades de un sistema hidráulico son equivalente a las de
un sistema eléctrico o inclusive, económico.
Los modelos simbólicos o matemático son conceptualizaciones abstractas del problema
real a base del uso de letras, números, variables y ecuaciones. Este tipo de modelos son
fáciles de manipular y se puede hacer con ellos un gran número de experimento. De las
tres clases de modelos, los simbólicos son los más económicos de construir y operar.
 Uso de modelos y métodos de optimización.
Resolver un modelo consiste en encontrar los valores de las variables dependientes,
asociadas a las componentes controlables del sistema a fin de optimizar, si es posible o
en caso de no serlo, mejorar la eficiencia y/o efectividad del sistema, dentro del marco
de referencia que fijan los objetivos establecidos por el grupo de toma de decisiones.
El análisis matemático clásico se utiliza para obtener las soluciones a un modelo de
investigación de operaciones en forma deductiva, se utiliza el análisis numérico a fin de
resolver el modelo en forma inductiva. Existen métodos de solución de tipo iterativo que
son aquellas que se aproximan a la solución, o bien, dan la solución exacta, en base a
una serie de repeticiones de la misma regla analítica sobre los resultados de una
repetición anterior.
Existen métodos de simulación que imitan o emulan al sistema real, en base a un modelo
matemático. La técnica de simulación es muy útil en la solución de problemas con riesgo
y bajo incertidumbre, muchas de estas técnicas de simulación se han estado utilizando
en técnicas de juegos. Estas técnicas de juego se utilizan cuando en el sistema
considerado existen varios grupos de decisión que interaccionan entre sí. Por ejemplo si
se supone que la Ford motor Co. de México va a empezar a producir un automóvil
económico, el grupo de toma de decisiones podría simular por medio de técnicas de
juego, la competencia que este automóvil tendría, por ejemplo con el Volkswagen y con
el Datsun. Los jugadores en este sistema serían las compañías Ford, Volkswagen y
Datsun. En la práctica, este tipo de técnicas son pocas prácticas debido más que nada
a la validez de la posible información que se pudiera conseguir.
Los métodos heurísticos suelen emplearse para dos fines:
Se pueden utilizar dentro del contexto de un algoritmo de optimización exacto, con el fin
de aumentar la velocidad del proceso para alcanzar el nivel óptimo. La necesidad de
fortalecer el algoritmo de optimización se hace más evidente con modelos a gran escala.
Los modelos no deben utilizarse confiando sólo en la intuición de la persona o grupo que
los diseñe. Es necesario probar la validez de modelo, observando si es que los resultados
del mismo predicen o no, con cierta aproximación o exactitud, los efectos relativos
generados por los diferentes alternativas disponibles.
Ilustración de un método heurístico.

Las principales fases de un estudio de investigación de operaciones son:

1. Definición del problema.
2. Construcción del modelo
3. Solución del modelo.
4. Validación del modelo.
5. Implantación de los resultados finales.
En la primera fase del estudio necesita de una definicion del problema, esto indica tres
aspectos principales: (a) una descripción de la meta o el objetivo del estudio, (b) una
identificación de las alternativas de decisión del sistema y (c) un reconocimiento de las
limitaciones, restricciones y requisitos del sistema.
La segunda fase del estudio corresponde a la construcción del modelo, dependiendo de
la definición del problema se deberá especificar expresiones cuantitativas para el objetivo
y las restricciones del problema en función de sus variables de decisión.
La tercera fase del estudio corresponde a la solución por el método. En modelos
matemáticos esto se logra usando técnicas de optimización bien definidas y se dice que
el modelo proporciona una solución “optima”. Si se usan los modelos de simulación o
heurístico el concepto de optimidad se emplea para obtener evaluaciones aproximadas
de las medidas del sistema.
La cuarta fase busca la validación del modelo. Un modelo es válido si,
independientemente de sus inexactitudes al representar el sistema, puede dar una
predicción confiable del funcionamiento del sistema. Un método común para probar la
validez de un modelo es comparar su funcionamiento con algunos datos pasados
disponible del sistema actual. El modelo será válido bajo condiciones similares de
entradas puede reproducir el funcionamiento pasado del sistema, ya que el modelo está
basado en el examen cuidadoso de datos anteriores, esta comparación siempre deberá
revelar resultados favorables.
La fase final del estudio trata sobre la implantación de los resultados probados del
modelo.
 Programación lineal.
Concepto.
Técnica de programación matemática para resolver problemas de optimización de
recursos (maximización, minimización) cuando existe más de una restricción lineal.

La programación lineal utiliza un modelo matemático para describir un problema. El

adjetivo lineal significa que todas las funciones matemáticas del modelo deben ser
funciones lineales, la palabra programación es sinónimo de planeación. La programación
lineal la planeación de actividades para obtener un resultado óptimo.
Estructura de un modelo de programación lineal
1. Función objetivo. Expresión matemática que sirve para representar el criterio
destinado a evaluar la resolución de los problemas.
2. Variables de decisión. Son las incógnitas del problema, la definicion de las
variables es el punto clave y básicamente consiste en los niveles de todas las
actividades que puedan llevarse a cabo en el problema a formular.
3. Descripciones. Son diferentes requisitos que debe cumplir cualquier solución para
que pueda llevarse a cabo dichas restricciones pueden ser de capacidad,
mercado, materia prima, calidad, balance de materiales, etc.
4. Restricciones. Limitaciones que se impone a un problema.
5. Solución óptima. Solución que satisface todas las restricciones.

Variables de decisión:

Función objetivo:

Restricciones:

Variables de decisión:
Métodos de resolución.

Método gráfico.
Empleado principalmente para PPL con dos variables de desicisión. Este método se
basa en la idea de obtener regiones de soluciones factibles (RSF), en las cuales se
encontraría la combinación de variables que optimizan el modelo.

El método simplex.
Uno de los métodos mas importante para la resolución de la programación lineal es el
método simplex, fue desarrollado por Dantzing en 1947 y es un método algebraico de
conceptos geométricos. Es un método iterativo (repite una serie de pasos fijos) que se
inicia encontrando una solución factible inicial.
El método parte de esta solución factible inicial, se plantea si la misma es óptima y si no
lo es, busca otra solución factible y a si sucesivamente.
Para iniciar el método se elige el origen (todas las variables de decisión iguales a cero)
y luego escoge soluciones adyacentes a este punto. Esto es el método sigue una
trayectoria a lo largo de las aristas de la figura de la región factible. Para conocer su
trayectoria el método evalúa en cuanto a cada potencial solución mejora la función
objetivo (Z) y opta a moverse por aquella que tiene una mejor tasa de mejoramiento.
El método se inicia convirtiendo la desigualdad que tenemos en el sistema de ecuaciones
cambiando por restricciones de igualdad equivalente. Para lograr esto se recurre a las
variables de holgura o slacks.
La tarea importante de la metodología simples es la obtención de las variables de holgura
y los denominados precios sombra que tienen una enorme importancia practica.

Modelo de transporte.
El modelo de transporte junto con el modelo de asignación es un caso particular de los
modelos de programación lineal. Fue ideado para manejar distribución de mercaderías
desde varios puntos (origen) hacia lugares de demanda (destinos). Este esquema de
solución a innumerables problemas que posean en común esa característica de flujo.
Características de los problemas de transporte.
En general los problemas de transporte se ocupan (en forma literal o imaginaria) de la
distribución desde cualquier grupo de centros de suministro, llamados orígenes, a
cualquier grupo de centros de recepción, llamados destinos, de modo que se minimice
el costo total de distribución.
Suposiciones del modelo.
Suposición de requerimientos: cada origen tiene un suministro fijo de unidades, donde
este suministro completo tiene que distribuirse entre los destinos. De manera similar,
cada destino tiene una demanda fija de unidades, donde esta demanda completa tiene
que recibirse desde los orígenes.
Propiedades de solución factibles: un problema de transporte tendrá soluciones si sólo
la suma de sus recursos es igual a la suma de sus demandas (equilibrio entre suministro
total de todos los orígenes y la demanda total de todos los destinos).
Suposición de costo: el costo de distribuir unidades de cualquier origen a cualquier
destino dado es directamente proporcional al número de unidades distribuidas. Por lo
tanto, este costo es justo el costo unitario de distribución por el número de unidades
distribuidas.
El modelo: cualquier problema (involucre o no transporte) se ajusta al modelo de un
problema de transporte si se puede describir completo en términos de una tabla de
parámetros (origen-destino: costo, recursos, demanda) satisface tanto la suposición de
requerimiento como la suposición de costo. El objetivo es minimizar el costo total de
distribuir las unidades. Todos los parámetros del modelo están incluidos en la tabla de
parámetros.
Ejemplos.
 Bibliografía.

Frederick S. Hillier, G. J. (2010). Introducció a la Investigación de Opetaciones. Mexico, DF.: McGraw-Hill.

Prawda, J. (s.f.). Métodos y modelos de investigación de operaciones, vol I, modelos determinísticos.

Mexico, España, Venezuela, Colombia: LIMUSA NORIEGA EDITORES.