MARIA EMILIA RECINOS

PRIMER PERIODO 2018

mrecinos@unah.edu.hn
CONTENIDO

 Reseña histórica de la I.O.

 Definición de la I.O
 Como abordar un problema real de Optimización
 Introducción Programación lineal
 Toma de decisiones
 Fases de un estudio de I.O
 Áreas de aplicación de la I.O en la gerencia.
 Técnicas utilizadas en la I.O
 Definición de la Programación Lineal. P.L.
  Aplicaciones gerenciales y formulación de problemas de P.L
 Métodos de resolución:
 Método gráfico.
 Método simplex.
 Método de solución por computadora.

• BIBLIOGRAFIA

• Hillier, Frederick y Lieberman, Gerald: “Introducción a la

Investigación de Operaciones”, McGraw – Hill Interamericana
• Hamdy Taha: “Investigación de Operaciones”. Ed. AlfaOmega.
• Scoff, R. L. y Sasieni M. W. Fundamentals of Operations
Research, John Wiley & Sons,1968.
 Programa de Estudio
Objetivo

 Formular y plantear modelos matemáticos lineales en situaciones reales del

entorno, interpretando las soluciones obtenidas a través de los diferentes
criterios de optimización expresándolas en un lenguaje accesible.

 Analizar, sistemas productivos y de servicios, a través de la Investigación de

Operaciones I, con el fin de detectar problemas tales como la optimización de los
recursos disponibles en la organización, aplicando los resultados obtenidos para
la generación de alternativas de mejora, incluyendo aspectos económicos y con
enfoques de sustentabilidad.

Resolución de problemas por medio del software WINQSB

https://youtu.be/0q6Om1kQcw8
https://youtu.be/dNlJLg7eXT4
 RESEÑA HISTORICA

El término de Investigación de operaciones se acuña durante la

Segunda Guerra Mundial cuando los militares británicos
convocan a ingenieros y científicos para analizar problemas
militares de cierta complejidad. Los análisis se fundamentaban
en el cumplimiento de objetivos militares garantizando
operaciones militares eficientes.
De acuerdo con Winston (2005), el enfoque científico para la
toma de decisiones, usualmente involucra el uso de uno o más
modelos matemáticos.
Una vez terminada la guerra las ideas utilizadas con fines
bélicos fueron adaptadas para mejorar la eficiencia y la
productividad del sector civil.
 La investigación de operaciones se aplica a casi
todos los problemas.
 En 1947, en E.U., George Datzing encuentra el
método SIMPLEX para el problema de programación
lineal.
 Se inicia desde la revolución industrial, usualmente
se dice que fue a partir de la segunda Guerra
Mundial.
 Definición de la I.O
Una definición extensa de Investigación Operativa o
Investigación de Operaciones que se puede mencionar de
acuerdo con Ramos A. et al (2010) es:
La investigación operativa es la aplicación, por grupos
interdisciplinarios, del método científico a los problemas
complejos producidos en la dirección y gestión de grandes
sistemas de hombres, máquinas, etc. La principal característica
consiste en construir un modelo científico del sistema el cual
puede predecir y comparar los resultados de diversas
estrategias, decisiones, incorporando medidas del azar y el
riesgo
En la investigación de operaciones se desarrollan
representaciones de la realidad mediante modelos
matemáticos. Un modelo matemático es una representación
matemática de una situación actual que puede ser usado
para la toma de decisiones o simplemente para entender
mejor la situación actual (Winston, 2005).
Una de las áreas principales de la Investigación de
Operaciones es la Optimización o Programación
Matemática. La Optimización se relaciona con problemas de
minimizar o maximizar una función (objetivo) de una o
varias variables, cuyos valores usualmente están restringidos
por ecuaciones y/o desigualdades.
Hoy en día el uso de modelos de optimización es cada
vez más frecuente en la toma de decisiones. Este
mayor uso se explica, principalmente, por un mejor
conocimiento de estas metodología en las diferentes
disciplinas, la creciente complejidad de los problemas
que se desea resolver, la mayor disponibilidad de
software y el desarrollo de nuevos y mejores
algoritmos de solución.
Un elemento principal de la investigación de
operaciones es el modelado matemático. Aunque la
solución del modelo matemático establece una base
para tomar una decisión, se deben tener en cuenta
factores intangibles o no cuantificables, por ejemplo el
comportamiento humano, para poder llegar a una
decisión final.
COMO ABORDAR UN PROBLEMA REAL DE
OPTIMIZACIÓN?
La Optimización puede considerarse como la búsqueda
de la mejor solución (solución óptima) de un problema.
El término mejor aquí depende del contexto en el que se
trabaje. Por ejemplo, en un contexto operativo atinente
a las utilidades la optimización del sistema constituye la
maximización de los resultados, todo lo contrario a los
costos o las distancias, casos en los cuales la
optimización dependerá de la minimización de los
resultados
 Lo anterior se traduce como el proceso de la toma de
decisiones, la cual es probablemente la tarea más característica
del ejecutivo, a la que se enfrenta cotidianamente, debido a la
esencia misma de sus funciones.
Como bien se sabe, la Investigación Operacional es una
herramienta en el proceso de la toma de decisiones, para lo cual
tiene a su favor los criterios propios que intervienen en dicha
secuencia, algunos de los principales son:
 Los hechos
 La experiencia
 La autoridad
 La intuición
Un buen método para plantear problemas de Programación
Lineal es la aplicación de un modelo de toma de decisiones y de
los más apropiados está el método científico:
Toma de Decisiones

Toda toma de decisión empieza con la detección

de un problema.

Para tomar la decisión correcta, se debe:

Definir el problema en forma clara

Formular el o los objetivos

Identificar las restricciones

Identificar las alternativas de solución

Evaluar las alternativas y elegir la mejor

MODELOS Y GERENTES
El número de formas en que los modelos se utilizan es tan abundante
como el de las personas que los construyen. Se pueden usar para
vender una idea o un diseño, para pedir las cantidades óptimas de
medias nylon o para organizar mejor una gigantesca corporación
multinacional. A pesar de esas diferencias, algunas generalidades son
aplicables a todos los modelos creados como apoyo para la toma de
decisiones. Todos estos modelos ofrecen un marco de referencia para
el análisis lógico y congruente, y se utilizan por siete razones cuando
menos:
1. Los modelos lo obligan a usted a definir explícitamente sus
objetivos.
2. Los modelos lo obligan a identificar y registrar los tipos de
decisiones que influyen en dichos objetivos.
3. Los modelos lo obligan a identificar y registrar las interacciones
entre todas esas decisiones y sus respectivas ventajas y
desventajas.
4. Los modelos lo obligan a pensar cuidadosamente en las
variables que va a incluir, y a definirlas en términos que
sean cuantificables.
5. Los modelos lo obligan a considerar qué datos son
pertinentes para la cuantificación de dichas variables y
a determinar las interacciones entre ellas.
6. Los modelos lo obligan a reconocer las restricciones
(limitaciones) pertinentes en los valores que esas
variables cuantificadas pueden adoptar.
7. Los modelos permiten que usted comunique sus ideas y
conocimientos, lo cual facilita el trabajo de equipo.
FASES DE UN ESTUDIO DE INVESTIGACION DE
OPERACIONES
 Definición del problema
1. Definir el objetivo del estudio
2. Reconocimiento de las restricciones y variables del sistema.

Construcción del modelo

Escritura matemática del problema de investigación, definiendo sus variables, sus
ecuaciones, su función objetivo y sus parámetros. En ésta etapa se analiza la
magnitud del problema, la estructura de la matriz de restricciones y su tipo.
 Solución del modelo
Se trata de implantar un algoritmo de obtención de la solución numérica (muy
próxima a la matemática) óptima o cuasi óptima. El algoritmo puede ser de propósito
general (método simplex) o específico. Puede haber diferentes métodos de solución
de un problema o diferentes implantaciones de un mismo método
Se deberá realizar un análisis de sensibilidad cambiando ciertos parámetros del sistema.
 Validación del modelo
Un modelo es válido si puede dar una predicción confiable
del funcionamiento del sistema. Para probar la validez de
un modelo se comparan los resultados del modelo con
datos históricos del sistema real.
 Implantación de resultados finales
Esta etapa consiste en proponer soluciones. Permite
conocer en detalle el comportamiento del modelo al hacer
el análisis de sensibilidad en los parámetros de entrada,
estudiar diferentes escenarios plausibles de los
parámetros, detectar soluciones alternativas cuasi
óptimas, pero suficientemente atractivas, comprobar la
robustez de la solución óptima.
TIPOS DE MODELOS DE INVESTIGACION DE
OPERACIONES
Un modelo es una representación ideal de un sistema y la
forma en que este opera. El objetivo es analizar
el comportamiento del sistema o bien predecir su
comportamiento futuro. Obviamente los modelos no son tan
complejos como el sistema mismo, de tal manera que se hacen
las suposiciones y restricciones necesarias para representar
las porciones más relevantes del mismo. Claramente no habría
ventaja alguna de utilizar modelos si estos no simplificaran la
situación real. En muchos casos podemos utilizar modelos
matemáticos que, mediante letras, números y operaciones,
representan variables, magnitudes y sus relaciones.
¿TIPOS DE MODELOS MATEMATICOS:

continuación se muestran algunos de éstos tipos de modelos:

Según Winston (2005):
 Modelos Lineales y no lineales: suponga que siempre que las
variables de decisión aparecen en la función objetivo y en las
restricciones de un modelo de optimización, están
multiplicadas por constantes y acomodadas en forma de suma.
Un modelo de ésta forma es un modelo lineal. Si el modelo de
optimización no está de esa manera, entonces es no lineal.
Generalmente los modelos no lineales son mucho más difíciles
de resolver que los lineales.
 Modelos Estáticos y Dinámicos: un modelo estático es uno en
el cual las variables de decisión no requieren sucesiones de
decisiones para periodos múltiples. Un modelo dinámico es
uno en el cual las variables de decisión si requieren de
decisiones en periodos múltiples.
Modelos enteros y no enteros: si una o más variables de
decisión deben ser enteros, entonces se dice que un
modelo de optimización es un modelo Entero. Si todas las
variables de decisión del modelo son libres para asumir valores
fraccionarios, entonces el modelo es un modelo no entero.

Modelos Determinísticos y Estocásticos: supóngase que para

cualquier valor de las variables de decisión, se conoce con
certeza el valor de la función objetivo y si las restricciones se
cumplen o no. Entonces se tiene que el modelo es un modelo
determinístico, de no ser así, se tiene un modelo estocástico.
 Toma de Decisiones
¿Como se elige la mejor alternativa?

Métodos Cualitativos
El análisis cualitativo se basa principalmente en el juicio y experiencia de
la persona, incluye sentimientos intuitivos sobre los problemas tratados
y es más un arte que una ciencia.

Métodos Cuantitativos
Se concentra en hechos cuantitativos o datos asociados con los problemas y
desarrolla expresiones matemáticas que describen las relaciones entre ellos;
que permitan maximizar la efectividad en la toma de decisiones. Los modelos
matemáticos son la base de los modelos cuantitativos. A su vez, la esencia de
la Investigación de operaciones es el uso de los modelos.
Investigación de Operaciones

La dificultad de tomar decisiones ha hecho que el hombre se

aboque en la búsqueda de una herramienta o método que le
permita tomar las mejores decisiones de acuerdo a los recursos
disponibles y a los objetivos que persigue.

Este conjunto de herramientas o métodos es lo que llamaremos

Investigación de Operaciones.

Definición más formal

“Enfoque científico de la toma de decisiones que requiere la
operación de sistemas organizacionales”.

La IO nos ofrece una serie de herramientas cuantitativas para la

toma de decisiones.
En 1947, el matemático George Dantzig desarrolla un
algoritmo para la solución eficiente de problemas de
programación lineal, esta herramienta se conoce como el
método simplex. Su implementación inicial se registra en el
ordenador UNIVAC para la solución de problemas lineales
grandes.
 INVESTIGACION DE OPERACIONES
La Investigación de Operaciones (IO) es una rama de las
matemáticas que emplea modelos matemáticos y algoritmos
con el objetivo de sustentar el proceso de toma de decisión,
cuyas mayores aplicaciones se encuentran dentro de la
industria y los negocios a través de la Ingeniería Industrial.
La IO permite de manera sistemática obtener soluciones
más eficientes, ya sea para lograr mayores beneficios,
ahorros en la utilización del tiempo y/o recursos, u
obtener menores costos, que los que se obtendrían si
las decisiones se toman por intuición o basados
simplemente en consideraciones particulares sin previo
análisis.
AREAS DE APLICACION DE LA IO
Como su nombre lo dice, Investigación de Operaciones significa "hacer
investigación sobre las operaciones". Esto dice algo del enfoque como del área
de aplicación. Entonces, la Investigación de Operaciones se aplica a problemas
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 en los
negocios, la industria, la milicia, el gobierno, los hospitales, etc. Así, la gama de
aplicaciones es extraordinariamente amplia. Casi todas las organizaciones más
grandes del mundo (alrededor de una docena) y una buena proporción de las
industrias más pequeñas cuentan con grupos bien establecidos de Investigación
de Operaciones. Muchas industrias, incluyendo la aérea y de proyectiles, la
automotriz, la de comunicaciones, computación, energía eléctrica, electrónica,
alimenticia, metalúrgica, minera, del papel, del petróleo y del transporte, han
empleado la Investigación de Operaciones. Las instituciones financieras,
gubernamentales y de salud están incluyendo cada vez más estas técnicas.
Investigación de Operaciones

Para la aplicación de la IO se siguen los siguientes pasos:

La IO comienza con la observación cuidadosa de la realidad.

Formular el problema.
Construir un modelo que intente abstraer la esencia del problema
real.
Solución del modelo.
Análisis de sensibilidad, hay que ver como se comporta el modelo
ante cambios en las restricciones y/o parámetros del modelo.
Implementar los resultados, se debe interpretar los resultados y dar
conclusiones y cursos de acción para la optimización del problema
real