y a la ciencia de la

administracin

INTRODUCCiN

En los ltimos diez aos, la prctica de la administracin se ha visto muy a

la ciencia de laadministracin y la tecnologa de computadoras. Considere, p
lo siguiente: l

l. El Departamento de Control de Vuelos y de Administracin de Combustibles

neas Nacionales utiliza un modelo de administracin y asignacin de combus
en un periodo de cuatro aos, ha dado como resultado' ahorros multimillo
modelo especifica cul es la mejor estacin para reabastecimiento de com
cul es el mejor proveedor para cada vuelo, con base en precios, disponibilid
mo, datos de vuelos y costos de almacenamiento. El modelo utiliza tambi
tcnicas de anlisis de sensibilidad para sealar a los administradores cundo
que se requiera una nueva poltica.

2. Cahill May Roberts, una compaa farmacutica grande (con ms de $35 m

ventas anuales), usa un sistema de planeacin de recursos e instalaciones que
do ahorros en costos de entrega y transporte de 23.3% y 20%, respectivam
aumentado los niveles de servicio a clientes en 60%. Se utiliza el sistema de p
para evaluar estrategias alternativas de administracin ante costos quefluct
mientos de poblacin. Aparte de definir territorios nicos para los centros d
cin de la compa y programas ptimos de servicio al cliente dentro de esos
puede utilizarse el sistema para evaluar ubicaciones alternativas para los cen
tribucin bajo la doble incertidumbre de los costos y la demanda.

3. El personal encargado de la planeacin del condado Du Page en Wheato

informa acerca de la utilizacin de un modelo de planeacin de uso del suelo p

Estos casos son aplicaciones reales que se mencionaron en Interfaces, Vol. 9, No. 2,
de 1979. Caso 1: "Fuel Management and Allocation Model", D. Wayne Darnelly Carolyn Lo
Caso 2: HA Planning System for Facilities and Resources in Distribution Networks"~ H. Harrison
3: "Development of a Comprehensive Land Use Plan by Means of a Multiple Objectve Ma
gramming Model", Deepak Ba.mmi y Dalip Bammi, pp. 50-63.

sobre la toma de decisiones. Definida en trminos amplios, la ciencia de la adm

es la aplicacin de procedimientos, tcnicas y herramientas cientificos a prob
rativos, con el objeto de desarrollar y ayudar a evaluar soluciones. Como
la ciencia de la administracin incluye todos los enfoques racionales que se a
toma de decisiones en administracin y que se basan en la aplicacin de una m
cientifica.
La ciencia de la administracin se basa en la filosofa de que una gr
la toma de decisiones consiste en (1) identificar y analizar problemas cuanti
comprender las relaciones entre los factores interrelacionados y (3) aislar
sobre los cuales tiene el control quien toma las decisiones. El objetivo de l
la administracin es proporcionar procesos y procedimientos que ayuden a r
blemas.
Dado que la ciencia de la administracin es un tema muy amplio, se
la atencin a sus principales aspectos para que pueda lograrse una compren
de los conceptos generales. En este texto, se presentanfundamentos tericos d
mie'!tas de la ciencia de la administracin; sin embargo, se pone nfasis en
miento del problema, la interpretacin del resultado del modelo (algoritmo) y en
En este captulo se presentan los principales desarrollos de la ciencia de
tracin y su estructura. En especifico, en este captulo se examina: (1) la e
la ciencia de la administracin, (2) el papel de la construccin de modelos, (3
de resolucin de problemas y, por ltimo, (4) la computacin y las ciencias de
tracin. Es evidente que existen factores histricos que desempean un pap
sarrollo de cualquier campo; esto es cierto tambin para la ciencia de la adm
Sin embargo el objetivo principal del captulo no es el desarrollo histrico
ms bien, permitir al lector una comprensin bsica de cmo es que ha ev
esta rea. El material ms importante de este capr'tulo se incluye en las ltima

EVOLUCiN DE LA CIENCIA DE LA ADMINISTRACiN

"Ciencia de la administracin" sigue siendo un trmino nuevo para mucha

aun cuando el rea tuvo sus comienzos durante la Segunda Guerra Mundial
edicin de la revista titulada Management Science se public en octubre
Durante la primera parte del siglo XX, los investigadores comenzaro
procedimientos cientficos para investigar problemas que se encontraban
ciencias puras, pero no fue sino hasta comienzos de la Segunda Guerra M

Unidos incluyeron el estudio de problemas logsticos complejos, el desarr

de vuelo para aviones, la planeacin de maniobras navales y la utiliza
recursos militares.
Despus de la guerra, muchas de las personas asociadas con la i
operaciones durante el conflicto blico se dieron cuenta de que muchos
y tcnicas que se aplicaron a los problemas militares podan aplicarse a p
triales. Sin embargo, estos conceptos e ideas comenzaron a aplicarse a la
la dcada de 1950, cuando se desarrollaron y estuvieron disponibles com
computadoras. Al principio, muchos de los problemas industriales qu
como el control de inventarios y los sistemas de transporte, eran semejan
militares. Pero, en la actualidad, es fcil encontrar numerosos casos en
ceptos de investigacin de operaciones/ciencia de la administracin se
compras, mercadotecnia, contabilidad, planeacin financiera y otras
Aunque Gran Bretaa tiene el crdito del inicio de la investigacin
como disciplina, los investigadores de los Estados Unidos de Norteam
contribuciones importantes a su desarrollo. Una de las tcnicas mate
amplia aceptacin, el mtodo smplex de la programacin lineal, fue
1947 por un estadounidense, George B. Dantzig. Esta tcnica en parti
amplias aplicaciones a muchos problemas operativos y es la base par
tcnicas matemticas, como la programacin de metas y la programa
En Gran Bretaa se utilizaron los trminos investigacin de operaci
cin operacional para describir, desarrollos en esta rea. En Estados Unid
en forma tradicional los trminos investigacin de operaciones (10) y cie
The
nistracin (CA). El trmino ciencia de la administracin recibi un est
lnstitute 01 el establecimiento de The Institute of Management Sciences (TIMS)
~a.nagement
Aunque numerosas aplicaciones de la ciencia de la administraci
(~7::/;/
los aos de 1950, no fue sino hasta principios de la dcada de 1960 que
programas acadmicos que ponan nfasis en esta rea, y hasta mediado
dcada comenzaron a salir de las universidades las primeras personas co
cin formal. En consecuencia, los grupos de asesora formales de investi
ciones/ciencia de la administracin no comenzaron a aparecer en las or
dustriales yen las operaciones gubernamentales sino hasta finales de la
Sin embargo, el desarrollo de grupos formales de asesora en CA
a una utilizacin exitosa de las tcnicas. Por el contrario, muchos especia

2Se han hecho immerosos intentos de diferenciar CA e 10, pero e~ difcil hacer una disti
texto, utilizaremos ambos trminos en forma indistinta.
\

problemas de implante que apareci~ron a finales de la dcda de 1960 y p

la de 1970 se han superado, gracias a los progresos de la tecnologa de co
y a cambios en los currcula acadmicos. Un mejor desarrollo de tcnicas
nfasis en el implante y la aplicacin, y la disponibilidad de computadoras, h
en gran medida el alcance y la magnitud de los problemas que resulta posi
El desarrollo de sistemas computadorizados de tiempo compartido ha ayu
de implante al permitir que quienes toman las decisiones interacten en fo
con los modelos de la ciencia dela administracin. Como resultado, esto ha
la necesidad de que un experto en ciencia de la administracin acte 'como in
entre el administrador y el modelo, y ha permitido que el administrador exp
tas hipotticas con el objeto de comprender y apreciar mejor el potencial
Los sistemas de tiempo compartido tambin han puesto el poder de las co
grandes a disposicin de un gran nmero de empresas, ampliando de est
aplicacin potencial de las tcnicas de la ciencia de la administracin.
Es posible apreciar de alguna manera el alcance y la capacidad de la
como tambin algunas de sus limitaciones, examinando al mismo tiempo
exitosas y fallidas. Sin embargo, para apreciar en forma completa los diferen
de la CA/10, es necesario comprender primero los fundamentos de las tcnic
determinar cmo utilizarlas o no en diversas circunstancias. Pero antes
algunas de las tcnicas, resulta conveniente comprender mejor los concept
de planteamiento y desarrollo de modelos, y la forma en que se relacionan c
la ciencia de la administracin.

CONSTRUCCiN DE MODELOS Y CIENCIA DE LA ADMINISTRACiN

Ya sea que se trate del sector privado o del pblico, una de las principal
de un administrador es resolver problemas; es decir, los administradores
deben resolver los problemas. Ya sea que se d cuenta de ello no, el ad
aborda la tarea de resolver problemas principalmente a travs de la construc
delos, o planteamiento de modelos. La construccin de modelos es un medio
a los administradores analizar y estudiar problemas, as como tambin exam
tes alternativas.
La construccin de modelos no es una idea nueva; el proceso se utili
das, con frecuencia en forma inconsciente, en situaciones de problemas bs
dere el problema de una anfitriona que desea redistribuir los muebles de
casa. El objetivo es tener una disposicin apropiada que resulte atractiva p

...

nando diferentes disposiciones. Este ltimo mtodopuede utilizarse slo

acepta que el modelo a escala es una representacin vlida del proble
Considere ahora el problema que enfrenta un administradora carg
una planta en una empresa manufacturera importante. De la misma
el caso del problema de la disposicin de los muebles, es difcil resolver
problema de la disposicin de la planta: la imagen que el administrador ti
es demasiado vaga, existen demasiadas restricciones acerca de dnde
ciertos equipos y piezas, etc. Hay una diferencia entre los dos problem
de planta no puede permitirse resolver el problema haciendo que un grup
ensayen cuatro o cinco disposiciones diferentes, haciendo una corrida
en cada una de ellas y observando la forma en que funcionan. Sin embargo
modelo
dor podra basarse en un modelo a escala, tal como se sugiri para el
a escala
anfitriona. El administrador tiene tambin la opcin de utilizar un mode
en particular si sabe que existe un modelo general de diseo de plantas
probable que abordar el problema del administrador a travs de un mod
resulte un medio ms econmico para evaluar diferentes alternativas.
Es evidente que la construccin de modelos ha existido durante m
modelos
particular en la forma de modelos mentales y modelos a escala, pero los
matemticos mticos son relativamente nuevos, en particular en relacin con la tom
en la administracin. La mayora de los anlisis de ciencia de la administ
a cabo utilizando modelos matemticos. Esos modelos se elaboran usand
temticos para representar los diferentes componentes del problema.
No todos los modelos matemticos son complejos. Por ejemplo, pu
un modelo matemtico para determinar cul es el pago que un vendedor
comisin de $20 por cada venta. En forma ms especfica, supngase q
siguientes datos para describir la relacin entre la comisin del vended
de ventas.
Nmero de ventas

dlares de jngresos por comisin

20

40

60

80

En vez de utilizar la tabla como un modelodescrptivo del problema, es p

un modelo matemtico ms simblico al desarrollar una relacin funcio
mero de ventas y los ingresos por comisin. Si utilizamos x para represe

3CRAFT es un acrnimo de Computerized Relativ Allocation of Facilities Technique (T

rizada de Asignacin Relativa de Instalaciones).

Una variable es slo una representacin de algo que puede asumir diversos va
ricos.
Utilizando la terminologa matemtica convencional, la variable de en
nomina variable independiente y la variable de salida es la variable depen
ello, enla ecuacin (1.1) x es la variable independiente y y es la dependien
numrico 20 se denomina de diversas formas: constante, coeficiente y par
en la relacin funcional, se designara la cantidad que se paga por ventas como
por venta" en vez de "$20 por venta", la funcin se expresara:
y

ax

en donde se dice que a es el Earmetro del modelo.

En el planteamiento de modelos matemticos en ocasiones resulta til
relacin funcional en trminos generales. En nuestro modelo especfico, si d
y es una funcin no especificada del nmero de ventas x, entonces la rep
simblica se expresa:
y

f(x)

Esta notacin no significa que y sea igual a f multiplicada por x. Ms bien

la variable y tiene un valor numrico determinado por una funcin (o un
procesamiento") f y por el valor ,numrico de la variable ,x.
Es evidente que la elaboracin de modelos en la ciencia de la administrac
algo ms que el desarrollo de relaciones abstractas o funcionales entre va
la siguiente subseccin contemplaremos diferentes modelos que se utilizan e
de la administracin y en los procesos de solucin que se aplican para identifi
nes a estos modelos.
5 ...
,100 ...

elaborar

LOS MODELOS MATEMTICOS y LA CIENCIA DE LA ADMINISTRACiN

Modelos normativos comparados con modelos descriptivos

modelos
Dentro de los modelos matemticos existen dos clases principales: los Qlodel
descriptivos vos y los modelos normativos. Un modelo descriptivo es el que representa u
modelos
pero que no indica ningn curso de accin. Un modelo normativo, que e
normativos se denomina modelo de optimizacin, es prescriptivo porque seala el curs

se tienen ciertos datos sobre las variables independientes.

Un modelo normativo puede contener submodelos descriptivos,
modelo descriptivo porque es posible determinar un curso de accin
Esto implica que se incorpora un objetivo al modelo y que es posibl
efectos que diferentes cursos de accin tienen sobre el objetivo. Puesto q
delos de ciencia de la administracin caen bajo la clasificacin de mode
resulta apropiado identificar las caractersticas claves de estos modelos
los ,modelos normativos estn constituidos por tres conjuntos bsicos d
variables de decisin y parmetros, (2) restricciones, y (3) una o ms func

1. Variables de decisin y parmetros. Las cantidades desconocidas que

variable
narse en la solucin del modelo son las variables de decisin. Un ejem
de decisin de decisin sera la cantidad de un determinado producto que debe el

operacin de produccin en la que podran fabricarse diversos produc

mismo recurso bsico. Los parmetros son los valores que describen l
las variables de decisin. Los parmetros permanecen constantes para
pero varan con problemas distintos. Un ejemplo seran las horas de m
se requieren para fabricar una unidad de un producto determinado.

2. Restricciones. Para incluir las limitaciones fsicas que ocurren en el

modelo se plantea, dicho modelo debe incluir cualesquiera restriccione
restricciones variables a valores permisibles (factibles). Por lo general, las restriccio
como funciones matemticas (submodelos descriptivos). Por ejemplo, si
XI y x 2 (variables de decisin) representan el nmero de unidades de dos p
est considerando fabricar y al y a2 (parmetros) son los respectivos
unitarios de materias primas para fabricar los productos, y si se seala
total disponible de materia prima es b, la funcin correspondiente de re
expresarse como axI + a~2 ::S b.
funcin
objetivo

3. Funcin objetivo. La funcin objetivo define la efectividad del mode

de las variables de decisin. Por ej emplo, si el objetivo es maximizar las u
entonces la funcin objetivo debe describir stas en trminos de las varia
En forma matemtica, la funcin Z
4x + 5x describe las utilida
de las variables de decisin, suponiendo que se sabe que se obtiene una u
por cada Xl y $5.00 por 'cada x2'-En general, se obtiene la solucin
pt
.
..-

__

4Hamdy A. Taha, Operations Research: An lntroduction (New York: Macmillan), p.

x2 para representar el nmero de unidades del producto No. 2 y Xl el nm

mo
_J_LYVUa.

des del producto No. 3, entonces la expresin siguiente sera un modelo d

los requerimientos totales de mano de obra:

de

"CJ.t()s: (1)

"blacuyo
_!_mt~n las
11: expresan
" . .nos que
.ldClS que se

Pero ya sabemos que slo hay disponibles 400 horas-hombre de mano de ob

la relacin funcional en realidad es,
;$

400

Puede hacerse alguna afirmacin acerca del problema con cualquier model
go, en este punto no hay manera de determinar cul es el mejor curso d
el primer caso, ecuacin (l.4), si se consideran ciertos valores de xl' x 2 y
es posible pronosticar el total de mano de obra que se requiere, En el s
ecuacin (1.5), es fcil calcular el nmero mximo de unidades de cada p
podran fabricarse (50, 100, 200), suponiendo que no se fabrica ninguna
otros dos productos.
Suponga que adems de los datos iniciales que se proporcionan, se
producto No. 1 contribuye con $12 por unidad a las utilidades, el producto
buye con $10 por unidad y el producto No. 3 contribuye con $8 por uni
de estos datos, puede desarrollarse un modelo descriptivo para las utilid
Z; esto se expresa de la siguiente manera:

Al igual que en el caso del modelo (104), puede emplearse este modelo p
car las utilidades slo si se proporcionan ciertos valores de xl' x2 Y Xl' Per
nan los modelos (1.5) y (1.6), y se supone que el objetivo es maximizar l
entonces se tiene un modelo normativo. El modelo sera:
MAXIMIZAR:

SUJETO A;

z ~ 12x + lOx
8x

4x 2

+ 8X3
+ 2X3

;$

400

Lo que se pretende en este punto es resolver el modelo para obtene

de xl' x2 y x 3 que de como resultado el mayor valor de Z. Un poco m

se que estas son clasificaciones distintas de los modelos. Pero, en realidad

caciones de los modelos descriptivos y normativos, y puede clasificarse u
fico aplicndole uno a varios de estos trminos. Un examen de cada uno d
aclarar este punto.
modelo
En un modelo determinstico, las relaciones funcionales, es decir
determins del modelo, se conocen con certidumbre. El modelo (1.6) podra deno
tico
determinstico porque los parmetros (los coeficientes de contribucin
se conocen con certidumbre. De la misma manera, el modelo (1.5) pod
modelo determinstico.
Si en el modelo (1.5) no conociramos con seguridad que se requ
mano de obra para fabricar una unidad del producto No. 1 (por ejem
que existe una probabilidad 0.60 de que se requieran 10 horas de mano de
modelo
elaboraramos un modelo estocstico para incorporar la incertidumbre.
estocstico cstico puede tener algunas relaciones funcionales que sean determinstic
o todas pueden ser estocsticas. Pueden obtenerse soluciones para esos mo
turan en forma de un modelo normativo, que proporcionen los mejores
~; es decir, se optimiza la funcin objetivo para obtener los resu
mximos o mnimos.
Otra subclasificacin de los modelos es la de modelos lineales o
modelo
modelo lineal es en el que todas las relaciones funcionales implican que la
lineal
diente es proporcional a las variables indeoendientes. (El concepto de li
modelo no lizar con cierta profundidad en el captulo 2.) Por otra parte, los mod
lineal
utilizan ecuaciones curvilneas o no proporcionales. Al igual que en el cas
estocsticos, no es necesario que todas las relaciones funcionales del
lineales para clasificarlo como no lineal. Si una o ms de las relaciones
se clasifica al modelo dentro de esta categora. Los procesos de soluc
que se requieren para resolver los modelos no lineales son mucho m
los necesarios para un modelo lineal. En este texto se hace nfasis en el us
lineales en la toma de decisiones en la administracin.
Una tercera subclasificacin de los modelos es en modelos estticos
modelo
micos. Los modelos estticos se definen en un punto fijo del tiempo
esttico
las condiciones del modelo no cambian para ese periodo especfico en el
cin del modelo. Se determina una decisin ptima o curso de accin
modelo
referencia al curso de accin que se toma en periodos previos o futu
dinmico
dinmico difiere de uno esttico en que el curso de accin mejor u pti
examinando periodos mltiples. Los modelos dinmicos se utilizan e
las que no puede determinarse el CursO ptimo de accin para un nm

pClOlues en
lllilltip'le de

la naturaleza de un problema hagan imposible desarrollar un planteamiento

que se ajuste en forma adecuada a dicho problema. Bajo es,as circunstan
sea posible simular el problema con el objeto de analizar diferentes curso
Debido a que los modelos de simulacin no requieren funciones matemti
cerrada para relacionar las variables, es posible simular sistemas complejos
no puede plantearse en forma matemtica.

Procesos de solucin

Pueden utilizarse, tres procesos o mtodos de solucin para llegar a soluci

o casi ptimas para pro blemas basados en la ciencia de la administracin: (1
(2) mtodos heursticos y (3) simulacin. Dado que el mtodo de los alg
proceso de solucin de uso ms comn, aqu se justifica una explicacin de
antes de explorar esta rea, es necesario hacer unos cuantos comentarios a
de la simulacin y los mtodos heursticos.
Cuando dejamos el anlisis del modelo (1.7), hicimos notar que el s
del proceso consista en resolver el modelo. Un poco ms adelante. demos
es posible obtener una solucin analtica para ese modelo; sin embargo, e
ser cierto en muchos casos. En algunos problemas tal vez sea imposible reso
analtica el modelo; es decir, en forma matemtica. En esos casos puede
simulacin para analizar el problema, pero la solucin que se tiene a partir d
de simulacin no necesariamente es la ptima. Un modelo de simulacin
"simula" la conducta del problema para un conjunto definido de condicio
da. Para determinar' 'el mejor curso de accin" debe analizarse la conduct
bajo diverso~datos de entrada y elegir elque proporcione el nivel deseado d
En ocasione~l pUt.rteamientomatemtico de un problema puede ser
que una solucin analtica es casi impOsible" y la evaluacin a travs de s
es prctica debido al tiempo excesivo de procesamiento. En.esos casos pue
mtodos. mtodos heursticos para desarrollar soluciones aproximadas aceptables. El
heurfsticos rstico de solucin se basa en reglas empricas o intuitivas que, cuando
modelo, 'proporcionan una o ms soluciones. Las mtodos heursticos son
tos de bsqueda que intentan pasar de un punto de solucin a otro, de m
mejore el objetivo del modelo caneada movimiento sucesivo. Cuando ya
encontrar mejoras al objetivo del modelo utilizando la regla de bsqued
solucin alcanzada se denomina solucin aproximada. En este texto es mni
de los procesos heursticos de solucin (se <:ubren en forma breve en el captu
que por lo general dependen en gran medida del problema especfico que

acerca del proceso de produccin [modelo (1.7)]. Recurdese que el m

de la siguiente manera:
MAXIMIZAR;
SUJETO A:

12x

IOx 2

8x 3

8x

4x2

2x)

oS

400

Recurdese tambin que las contribuciones a las utilidades eran de 12

venta de los productos No. 1, No. 2 y No. 3, respectivamente, y que
horas de mano de obra que se requeran por unidad para la fabricacin d
productos. Examinando el modelo, puede observarse que el producto N
con $12 a las utilidades, en comparacin con $10 y $8 de los otros do
ello, podramos concluir que deben fabricarse tantos productos No. 1 c
lo permitan. Pero, si examinamos los costos de mano de obra asociad
producto (8 horas/unidad) es fcil observar que tiene el ms alto requer
de mano de obra:La decisin de fabricar tantos productos No. 1 como
no sea una decisin inteligente. Dado que tanto los coeficientes de co
de_mano de obra por unidad afectan la decisin respecto al nmero
deben fabricarse de los tres productos, es necesario un medio que p
ambos coeficientes en forma simultnea. Es posible lograr esto calcu
de los dos coeficientes. Esos cocientes seran:
No. 1:
No. 2:
No. 3:

$12/unidad
8 horas/unidad
$ lO/unidad
4 horas/unidad
$8/unidad
2 horas/unidad

1.50 dlares/hora
2.50 dlares/hora
4.00 dlares/hora

Estas razones representan la "contribucin en dlares por hora de mano

da" en la fabricacin de los respectivos productos. Examinando estos
concluirse que la decisin apropiada sera fabricar la mayor cantidad d
3 que el recurso de mano de obra permita.
Para determinar el J;l.mero real de unidades del producto No. 3 qu
se, se divide el total disponible de horas de mano de obra (400) entre lo
de este recurso para el producto (1 horas/unidad). Entonces, el "mejor
es fabricar O unidades del producto No. 1 (Xl = O), O unidades del

bucin a las utilidades entre el coeficiente de mano de obra por unidad.

La mayor razn denota el "producto que debe fabricarse"

Determinar la "cantidad que debe fabricarse", dividiendo el total de horas d

obra disponibles entre el coeficiente de mano de obra del producto que debe

_.mlas

I para la

"fEtOs; por

Dado que el algoritmo se ha definido de manera poco formal, es dec

en consideracin la posibilidad de que existan coeficientes negativos o coci
vos, y al estar tan estrechamente relacionado con el problema especfico
a desarrollar un algoritmo ms estructurado en trminos matemticos qu
un modelo general que pudiera utilizarse tanto para este problema como
Puede comenzarse desarrollando un modelo general del modelo (1.7). S
cj para representar la contribucin por unidad del producto j, aj para repre
querimiento unitario de mano de obra para la fabricacin delproductoj, y b
sentar el total de mano de obra disponible, entonces el modelo puede exp
siguiente manera:
MAXIMIZAR:
SUJETO A:

Z-

CIX I

al XI

+ a2x2 + aJx) :S b

C Z X2

C)X

Dado que estamos tratando de desarrollar un modelo general, es necesar

consideracin que pueden fabricarse ms de tres productos. Se supone qu
fabricar n productos. Para ser realistas, es necesario observar tambin q
variables de decisin (Xl' X 2 y X 3) son cero o mayores. Por ello, el mode
MAXIMIZAR:
SUJETO A:

Z = CIXI +
alx +

C2X2

+CJXJ + .. +

C.X.

a 2x Z

anXn :S

a)x3

+ .. -. +

Expresado esto en una forma matemtica ms compacta, el modelo general es

MAXIMIZAR:

SUJETO A:

para toda j

I
1

I
~

Calcular la cantidad ptima que debe producirse con la relacin Xj = blij ,

es el coeficiente de mano de obra asociado con el mayor cociente identifica
existen razones iguales, entonces hay polticas ptimas alternativas.)

Es evidente que este algoritmo no es complejo porque el modelo

modelo muy complejo; sin embargo, ilustra muy bien el concepto de
un algoritmo.

EL PROCESO DE SOLUCiN DE PROBLEMAS EN CAllO

Se seal antes en el captulo que el objetivo del texto no es desarrolla

teora de algoritmos de solucin sino, ms bien,examinar y estudiar la
los problemas a los que puede aplicarse un algoritmo determinado. Se ex
algoritmos slo como auxiliares para comprender mejor la estructura de
a los cuales se aplican. Nuestro objetivo es mucho ms amplio. Resolve
o, en trminos ms especficos, utilizar modelos de CAllO como ayuda
de problemas, implica algo ms que encontrar un algoritmo que se ajuste

determinado.

Existen ciertas etapas que deben seguirse en cualquier estudio de CA

mienzan conla identificacin del problema y llegan hasta el implante y eva
del sistema diseado para resolverlo. Estas etapas deben seguirse para q
esperar cierto grado de xito en el proceso de planteamiento de modelo
se
denominan proceso de solucin de problemas.
proceso de
solucin de
El proceso de solucin de problemas de CAllO puede describirse en
problemas de seis etapas, como sigue:
1. identificacin, observacin y planteamiento del problema

2.
3.
4.
5.
6.

construccin del modelo

generacin de una solucin
prueba y evaluacin de la solucin
implante
evaluacin

Eh la figura 1-1 se muestra una representacin ms detallada y prct1ca d

Las seis etapas del proceso se identifican con los cuadros de lneas puntead
(1) a (6).

I
I
I

I
I

I
1

1
1

Describir en forma
verbal el problema

I
I

Desarrollo del modelo:

(a) estructura
(b) parmetros

I
I

1______ -

I
I

I
I

1
1

1
I
I
I
I

I
I
_1

~~..

1
1

1_------1

(4)- - - - - ""1'

1
1
1

I
I
. -_ _....;,"-,_-'-----, I
I
Evaluar

1.-

"-----.,---.,-----1,
1_ _
_
No aceptable

"no"

Correr datos de prueba

Continuar

1
1
1

I
I

Metas

-'

Ls
resultados
satisfacen
las metas?

i
I

Generar fa solucin

Intervalo
predeterminado
de valores

1(3)----""'r
I

Datos

1F

Futuro
"pronosticado"

-f - - - --1

I
I
:

Clasificar los factores

como "controlables" o
"no controlables"

L------r
1(2)- - - -

-+-_-1

"s"
El costo de
,......_ _ _...., cambiar es >
ahorros?

Alto

1
<ll

:c

'"

Q.

"'"

I
I
I
1

L ______ _

FIGURA 1-1. El proceso de solucin de problemas de CAllO. (Adaptado

de Ronald V. Hartley, Operations Research: A Managerial Emphass. Good~
year Publishing Co.. 1976, p. 10)
"

Revisar
el modelo

____

II
t

muy importante de la etapa 1, porque es la base sobre la cual se pla

matemtico.
La etapa 2 del proceso de solucin de problemas implica el.desar
pero antes de estructurar en forma matemtica el problema es neces
factores identificados en la etapa] para diferenciar entre las variabl
las no controlables. Las variables controlables pueden manipularse o
quien toma las decisiones; las variables no controlables no pueden cam
dar a plantear el modelo matemtico, la persona que toma las decisione
las variables controlables relevantes. Con base en estas variables y rel
se han identificado y documentado en el modelo verbal, el constructor d
tura uno que describe en trminos matemticos el problema. Puede
hacer algunas consideraciones que limiten al problema real para que
Con bastante frecuencia es necesario probar un planteamiento inicia
determinar las consideraciones que deben hacerse.
El desarrollo del algoritmo o proceso de seleccin ocurre enla etap
real, existe cierto grado de retroalimentacin entre las etapas 2 y 3, dad
la seguridad de que el problema planteado en la etapa 2 satisface toda
o consideraciones que el algoritmo utiliza en la etapa 3. En realidad, ha
do al usar el trmino algoritmo en este punto, porque un procesode so
a un algoritmo. Recurdese que mencionamos que los mtodos heu
tambin la simulacin, pueden utilizarse para resolver determinados p
decidido poner nfasis en el proceso algortmico de solucin en este
mayora de los problemas que se abordan en el texto pueden resolve
algoritmo.
En la etapa 4 se evala y se prueba el modelo adoptado o desarr
3, con el objeto de determinar si produce resultados tiles para el p
Pueden utilizarse diversos procedimientos para probar el modelo. En p
toma las decisiones simplemente puede examinar los resultados y hace
respecto a cun razonables son. En segundo lugar, es posible adoptar
de prueba a travs del cual se utilicen situaciones histricas previas co
Es decir, puede introducirse informacin proveniente de una decisin
y comparar los resultados con lo que ocurri en realidad. Sin import
de estos procesos de prueba, o ambos,para evaluar el modelo, ste
si no satisface las necesidadesdeqtiien toma las decisiones. Con ba
el proceso de revisin implica aadir y eliminar variables, pero podr
al problema observado originalmente. (Esto se muestra en la figura 1de regreso a la etapa l.)

.mlatbles y

En el captulo 16 se examina en detalle el rea del implante. En ese captu

fica un modelo de juegos de implante y se presentan diversos estudios relac
problemas en esta rea. En este captulo hemos hecho notar que el imp
etapa clave en el proceso de solucin de problemas y que, si los adminis
participan en forma amplia en el proyecto y no apoyan en forma completa
lo ms probable es que se juzgue que el modelo es slo un ejercicio prctico
lo construy.
La ltima etapa del proceso de solucin de problemas (etapa 6) es la
y revisin del modelo. Dado que no es raro que un modelo de CA/lO se utili
repetida en el anlisis de problemas de decisin, el modelo debe evaluarse en f
nua para determinar si los valores de los parmetros han cambiado y/o p
modelo sigue satisfaciendo las metas de quien toma las decisiones. Si las ca
del problema cambian, o si no se estn satisfaciendo las metas de quien toma
nes, entonces debe considerarse una modificacin del modelo. Se utiliza el tr
siderar" porque debe contrastarse el costo de cambiar el modelo con los ah
lograran con la modificacin. Si el costo de la modificacin supera a l
entonces debe descontinuarse el proyecto. De nuevo, es aqu donde los adm
pueden tener una mala experiencia con los modelos de CA/lO. Si los adm
no reconocen el momento en el que un proyecto excede su utilidad, los resu
cientes de periodos posteriores de uso del modelo pueden opacar su desemp
cuando el modelo en verdad resolva el problema .

. . . .Ildoun

LA CIENCIA DE LA ADMINISTRACiN Y LA COMPUTADORA

Uno de los factores clave que ha ayudado tanto al crecimiento como al desa
ciencia de la administracin ha sido el advenimiento de la computadora. Sin
severamente limitado el uso de las tcnicas de la ciencia de la administracin.
anlisis referente a "modelos matemticos y ciencia de la administraci
evidente que los procesos de solucin que se utilizan en la ciencia de la adm
pueden volverse bastante laboriosos y, en algunos casos, complejos. Por f
lizando la computadora, es posible reducir gran parte de la complejjdad m
de la carga de clculos implcitos en el uso de diferentes tcnicas de soluci
significa que podamos ignorar el "proceso de solucin de problemas de CA
el contrario, tan slo significa que la capacidad y la velocidad de clculo de un
d9ra reduce esa tarea en forma significativa.

RESTRICCIONES EN EL CAMPO DE LA CAllO

La ciencia de la administracin, al igual que cualquier otro campo, tien

ciones y limitaciones. Una limitacin es la necesidad de hacer considerac
rar o plantear el problema que se aborda. Con frecuencia son necesarias
nes porque el problema original es tan complejo que resulta difcil pla
'Oresolverlo. Entonces, para resolverlo, se hacensimplificaciones en for
ciones acerca de ciertas variables. Este proceso de simplificacin prod
o modelo simplificado que puede manipularse con el objeto de llega
inicial para el problema. Un ejemplo en economa es el estudio de mer
cin muy compleja se simplifica en gran meqida suponiendo que ex
perfecta. Esta es una consideracin amplia; aun as, con ella es posib
modelo econmico bsko que resulta til para estudiar los efectos de
sobre el mercado. Dado que los modelos son representaciones simplifi
dad, con frecuencia surge la preguta respecto a si el modelo captura la
blema original que es ms complejo.En realidad, pueden llegarse a hace
Realidad

Problema
original

Modelo
simple

t,
FIGURA 12. Simplficacin del modelo en comparaciil con la realidad

del modelo simple para resolver versiones del problema cada vez ms com
Una segunda limitacin de la ciencia de la administracin es que la ma
modelos consideran slo una funcin objetivo. Al analizar el planteamient
los normativos, se habl slo de funciones objetivo nicas. Las tcnicas de
la administracin como la programacin lineal, la programacin entera y l
de transporte consideran un solo objetivo.
En la prctica los modelos con un solo objetivo pueden resultar proble
porque con frecuencia quienes toman las decisiones tienen otros objetivo
maximizar las utilidades o minimizar los costos. Una tcnica, la programaci
(captulo 8), tiene la capacidad de manejar objetivos mltiples. Diversos inv
se dedican en la actualidad a desarrollar otros modelos de decisin de criterio
Otra rea de problemas en la ciencia de la administracin es el tamao
de ecuaciones (es decir, las restricciones del problema) que existen en un probl
co. Muchos problemas en la industria, el gobierno y el sector pblico contien
nmero de restricciones. Esto plantea dos problemas en el proceso de pla
de modelos de CAllO. En primer lugar, en los crculos acadmicos existe un
a examinar problemas pequeos y nicos con el objeto de ilustrar el modelo
Las personas que elaboran modelos 9 toman decisiones pueden desarrollar u
muy ingenua sobre los problemas prcticos. Es necesario reconocer que muc
mas prcticos pueden contener varios cientos de restricciones. 6
El segundo problema se refiere a la cantidad de clculos. Los algoritmos
biremos en el texto son directamente apropiados para problemas bsicos peque
se considera un conjunto grande de ecuaciones, es necesario utilizar algoritmo
en trminos de clculo porque, de otra manera, el costo de proceso de pla
del modelo podra ser excesivo. 7 Con bastante frecuencia resulta posible ap
luciones a problemas grandes aplicando el proceso de simplificacin que me
Un rea final de problemas que debe considerarse, es la de la comp
~ y beneficios. Esta cuestin debe abordarse antes de emprender un p
ciencia de la administracin. Es fcil involucrarse en un modelo de CA/lO ha
de adoptar las capacidades computadorizadas de solucin de problemas d

5Vase A. H. Packer. "Applying Cost-Effectiveness Concepts to the Community Health Sys

tions Research, 16, No. 2 (marzo-abril de 1968), pp. 227-253.
6En este texto. presentaremos, como nuestras contrapartes han hecho en el pasado, problema
ilustran la naturaleza del problema que puede abordarse. Est fuera de nuestro objetivo exami
grandes y complejos.
1Existen en la prctica diversos algoritmos eficientes en trminos de clculo; pueden adquirirs
cantes de com putadoras y las casas vendedoras de software.

algoritmo: conjunto de procedimientos que, cuando se siguen en forma orden

una solucin ptima a un problema.

funcin objetivo: funcin matemtica que define la efectividad del modelo

de las variables de decisin.

investigacin de operaciones: nombre que se utiliz para describir las activid

la administracin/investigacin de operaCiones en las operaciones militares
la segunda guerra mundial.

mtodos heursticos: procesos de solucin que se basan en reglas intuitivas o

una solucin aproximada a un problema.

modelo a escala: estructura fsica, de tamao reducido, que representa el p

modelo descriptivo: modelo matemtico que representa una relacin funcional
ningn curso de accin.

modelo determinstico: modelo en el que se conocen con certidumbre los pa

modelo dinmico: modelo cuyas caractersticas varan de un periodo a otro. D
ptimo de accin requiere el examen de periodos mltiples.

modelo esttico: modelo definido en un punto fijo del tiempo.

modelo estocstico: modelo en el que los parmetros no se conocen con cert

existe cierta probabilidad de ocurrencia para diferentes parmetros del mod
modelo lineal: modelo en el que todas las relaciones funcionales son de tal natu
ble dependiente es proporcional a la suma de las variables independientes. Esto
tienen la caracterstica de que, para cualquier cambio en una variable indep
se mantienen las dems fijas, el cambio en la variable dependiente es directam
modelo matemtico: representacin simblica y abstracta de un problema.
modelo mental: imagen mental de la estructura que describe un problema.
modelo no lineal: modelo en el que existen ecuaciones o funciones que no s
Estos modelos tienen variables elevadas a una potencia diferente de uno y/
de dos o ms variables.

modelo normativo: modelo matemtico que describe una relacin funcional y

de accin para alcanzar el objetivo que se defini para el modelo.

ORSA: Operations Research Society of Amerca (Sociedad Estadounidense d

Operaciones); grupo pionero al que se da crdito por el desarrollo de la investig
nes en Estados Unidos de Norteamrica.
.

proceso de solucin de problemas: etapas (estructura) que se siguen para desa

.

un modelo de CA/lO.
restriccin: funcin matemtica que describe o asigna un lmite factible al mode
de decisin.

TlMS: The Institute of ManagementSciences (Instituto de Ciencias de la Admi

zacin fundada en 1953 n Estados Unidos para dar relevancia a las invest
en ciencia de la administracin/investigacin de operaciones.

variables de decisin: cantidades desconocidas que deben determinarse en la soluc

 lU!iJOr-cicman

PREGUNTAS DE REPASO

1. Comente en forma breve la evolucin del campo de CA/lO.

2. De qu manera se relaciona la construccin de modelos con la ciencia de la ad
3. Explique las diferencias entre un modelo descriptivo y uno normativo. D ejem
uno de ellos.
4. Qu conjunto bsico de elementos existe en cualquier modelo normativo? C
uno de esos elementos.
S. Cules son las clasificaciones de los modelos normativos y los descriptivo
6. Explique la diferencia entre un modelo determinstco y uno estocstico.
7. Explique la diferencia entre un modelo lineal y uno no lineal.
8. Explique la dferencia entre un modelo esttico y uno dinmico.
9. Cundo se utiliza un modelo de simulacin en la ciencia de la administrac
10. Qu procesos de solucin existen en el campo de la CA/lO? Explique o com
breve cada uno de ellos.
11. Es necesario desarrollar un algoritmo para todo problema que se aborda
de CAllO? (Suponga que un algoritmo es la tcnica apropiada que debe utilizar
racin con un mtodo heurstico o una solucin simulada.)
12. Identifique las etapas generales que debieran seguirse en cualquier estudio de
mente cada una de ellas.
13. Identifique algunas de las limitaciones o problemas que existen en el campo
de la administracin.
14. Es posible manejar problemas con objetivo mltiple con alguna tcnica existen
15. Comente el problema de la comparacin de costos y beneficios, y su relacin co
de CAllO.

":inde

PROPOSICIONES FALSOIVERDADERO

1. El trmino ciencia de la administracin recibi su impulso inicial con el estab

The Institute of Management Sciences (TIMS) en 1953.
2. Se crea un modelo a escala visualizando diferentes disposiciones y evaluando cad
3. Un modelo descriptivo representa una relacin y seala un curso apropiado
4. Un modelo normativo nunca puede contener submodelos descriptivos.
S. La efectividad del modelo como funcin de las variables de decisin se defin
la funcin objetivo.