Proyectos, Dirección de Obras y Valuaciones

Investigación de Operaciones
Ing. Sebastián Albrisi
2010
Índice de Temas

 Concepto, objetivos e historia

 Características esenciales
 Modelos matemáticos: concepto, clases, elementos
 Metodología: proceso de solución de problemas
 Problemas prototipo y técnicas asociadas
 Restricciones y limitaciones
 Perspectivas
 Consideraciones finales
CONCEPTO

 “Aplicación del método científico en el manejo de sistemas

organizados”

 “Aplicación de procedimientos, técnicas y herramientas

científicos a problemas operativos”

 Provee objetivos y bases para la toma de decisiones

 No es una ciencia en sí misma sino la aplicación de la

ciencia y la técnica a la solución de problemas de la
administración.

 Investigación de operaciones  Ingeniería de sistemas

OBJETIVO

Proveer a quienes manejan sistemas organizados

bases y métodos cuantitativos para tomar
decisiones y resolver problemas.

 Se basa en la premisa que una gran parte de la toma de

decisiones consiste en:

1.Identificar y analizar problemas cuantificables

2.Comprender las relaciones entre los factores interrelacionados
3.Aislar los factores sobre los cuales tiene el control quien toma
las decisiones
HISTORIA Y EVOLUCIÓN

 Primera parte del siglo XX

 Se comienzan a utilizar procedimientos científicos para investigar
problemas fuera de las ciencias puras
 1937: Gran Bretaña, estudio de problemas estratégicos y tácticos
relacionados con la defensa del país.

 Comienzo de la 2da. Guerra mundial

 EEUU, emprende actividades similares (optimización de esfuerzos bélicos)
 Problemas logísticos, patrones de vuelo para aviones, planeación de
maniobras navales, etc.

 Después de la guerra
 Especialistas formados, aplicación de técnicas a usos civiles o industriales
 Producción, compras, mercadotecnia, planeación financiera.
 Advenimiento de las computadoras, aplicación en grandes empresas
 1960: establecimiento en programas académicos
CARACTERÍSTICAS ESENCIALES

a) Enfoque de sistemas
 Análisis de las partes en términos del todo
 Investigación de causas (interrelaciones, estructura gral. etc.)
 Enfoque integrador

b) Utilización de equipos interdisciplinarios

 Estudio de problemas complejos (ej: grandes sist. organizados)
 Necesidad de tener distintos puntos de vista
 Complementación de herramientas

c) Metodología: adaptación del método científico a las

condiciones en las cuales se realiza la investigación –
USO DE MODELOS
METODOLOGÍA
La construcción de modelos

 Dilema
 Es necesaria la comprensión experimental de sist. complejos
 Esta no puede alcanzarse por el estudio directo de los sistemas

 Modelo: versión simplificada de la realidad que conserva las

características importantes del problema

 Permite a los administradores analizar, estudiar y resolver problemas o

alternativas de solución

 Modelos mentales
 Modelos a escala
 Modelos matemáticos
MODELOS MATEMÁTICOS
Clases principales

 Modelos descriptivos
 Representan una relación pero no indican ningún curso de acción
 Sirven para pronosticar la conducta de sistemas pero no identifican
la mejor alternativa

 Modelos normativos
 Señalan el curso de acción que el tomador de decisiones debe
seguir para alcanzar un objetivo definido
 Son modelos de optimización
 Se incorpora una función objetivo y los efectos de los cursos de
acción sobre el objetivo
MODELOS MATEMÁTICOS
Elementos

 Variables de decisión y parámetros

 Variables controladas o de decisión: cantidades desconocidas que
deben determinarse en la solución del modelo
 Parámetros: valores que describen la relaciones entre las variables
de decisión
 X = (x1, x2, x3.....xn)
 Sólo variables relevantes y suficientes para el fenómeno a explicar

 Restricciones
 Limitaciones físicas que ocurren en el problema (condiciones)
 Limitan las variables a valores permisibles (factibles)

 De desigualdad (>= ; <=) g (x) >= 300

 De igualdad (=) h (x) = 1500
 De no negatividad j (x) >=0
MODELOS MATEMÁTICOS
Elementos

 Función objetivo (funcional)

 Define la efectividad del modelo como función de las variables de
decisión
 Maximizar o minimizar

 Pueden intervenir coeficientes de costo (C)

 Ej: Maximizar Z (C, x)

 Objeto del análisis

 Política óptima: determinar el mejor conjunto de valores que
optimiza la efectividad del sistema. O dicho en otras palabras,

 Obtener la solución óptima: determinar el valor de las variables

que arrojan el mejor valor de la función objetivo, al mismo tiempo
que se satisfacen todas las restricciones.
MODELOS MATEMÁTICOS
Ejemplo

 Se tiene un proceso de producción en el que deben fabricarse tres productos

distintos.
 El único recurso limitado para esa operación es la mano de obra: existen
disponibles 400 hs-hombre de mano de obra por semana.
 Producto 1: 8 hs/un
 Producto 2: 4 hs/un
 Producto 3: 2 hs/un

 Variables de decisión y parámetros

 Modelo descriptivo de los requerimientos totales de mano de obra
 L = 8 x1 + 4 x2 + 2 x3

 Restricciones
 8 x1 + 4 x2 + 2 x3 <= 400
 (Hasta este momento no hay manera de determinar cursos de
acción)
MODELOS MATEMÁTICOS
Ejemplo

 Además sabemos que la contribución a las utilidades de cada producto es:

 Producto 1: 12 $/un
 Producto 2: 10 $/un
 Producto 3: 8 $/un

 Función objetivo
 Modelo descriptivo de las utilidades totales
 Z = 12 x1 + 10 x2 + 8 x3

 Modelo normativo
 Si suponemos que el objetivo es maximizar las utilidades, el modelo
normativo es:

 Maximizar Z = 12 x1 + 10 x2 + 8 x3
 Sujeto a 8 x1 + 4 x2 + 2 x3 <= 400

 Objetivo del análisis: resolver el modelo para obtener los valores de

x1, x2, x3 que den como resultado el mayor valor de Z
MODELOS MATEMÁTICOS
Clasificación y formas de solución

 Modelos lineales: Función objetivo y restricciones lineales

 Modelos no lineales: no linealidad en alguna ecuación

 Modelos determinísticos: los parámetros del modelo se conocen con

certidumbre
 Modelos probabilísticos: se incorpora la incertidumbre

 Modelos estáticos: en un punto fijo en el tiempo

 Modelos dinámicos: se examinan períodos múltiples

 Simulaciones

 Formas de solución
 Algoritmos: conjunto de procedimientos analíticos para hallar la mejor
solución
 Métodos heurísticos: secuencia de comparac. entre soluc. sucesivas
 Simulación
MODELOS MATEMÁTICOS
METODOLOGÍA - Proceso de solución: 6 etapas

1. Formulación del problema

• Identificación, observación y planteamiento del problema
• Operaciones, variables, restricciones, medida de actuación, etc.

2. Construcción del modelo

• Función adecuada que relaciona las variables con la medida de
actuación
• Descripción del problema en términos matemáticos

3. Obtención de una solución

• Resolver el algoritmo y obtener una solución exacta o
aproximada
MODELOS MATEMÁTICOS
METODOLOGÍA - Proceso de solución: 6 etapas

4. Prueba del modelo y evaluación de la solución

• Determinar si produce resultados útiles para el problema
original
• Comparaciones

5. Implementación
• Quién – Qué – Cuando - Cómo
• Retroalimentación entre constructor del modelo y el tomador
de decisiones (administrador)

6. Evaluación
• Comparación de resultados con previsiones
• Correcciones
• Actualización de parámetros o metas
INVESTIGACIÓN DE OPERACIONES Proceso de solución
(5)
(1) Identificar el problema Implementación

Observar el probl. Recopilar Resultados

datos descript. e identif.
factores que los afectan

Describir en forma verbal el (6) Futuro

problema Datos
pronosticado

(2) Clasificar factores como Intervalo Los

controlables o no controlables predetermina resultados
do de valores satisfacen las
Desarrollo del modelo: metas?
Estructura y parámetros Metas
no
si
(3) Generar la solución Continuar
El costo de
Alto cambiar es >
(4) Correr datos de prueba si ahorros?
no
Evaluar Aceptable
Revisar el
modelo
No Aceptable
INVESTIGACIÓN DE OPERACIONES
PROBLEMAS PROTOTIPO Y TÉCNICAS ASOCIADAS

 Asignación
• Distribución de recursos entre alternativas competitivas, para
minimizar costos totales o maximizar beneficios
• Programación lineal, no lineal, etc – Problema del transporte

 Inventario
• Gestión de stocks (cuando, cuanto, etc. para minimizar ctos)
• Modelos de gestión de inventarios

 Reemplazo y mantenimiento
• Acciones que aseguren que los elementos se encuentren en
óptimas condiciones de uso durante su vida económica
• Modelos de reemplazo de equipos
INVESTIGACIÓN DE OPERACIONES
PROBLEMAS PROTOTIPO Y TÉCNICAS ASOCIADAS

 Colas o líneas de espera

• Métodos determinísticos y probabilísticos de teoría de colas

 Secuencias y coordinación
• Selección del orden en que usuarios deben ser servidos en
líneas de espera
• CPM - PERT

 Competencia
• Certeza, riesgo e incertidumbre. Teoría de juegos

 Investigación
INVESTIGACIÓN DE OPERACIONES
ALGUNOS MODELOS

• Programación lineal
 Simplex, análisis de sensibilidad, redes

• Programación matemática
 Programación de metas
 Programación de enteros
 Programación dinámica

• Modelos probabilísticos o estocásticos

 Modelos de decisión (riesgo, incertidumbre, VME)
 Líneas de espera
 Simulación

• CPM / PERT

• Modelos de Inventarios
INVESTIGACIÓN DE OPERACIONES
RESTRICCIONES Y LIMITACIONES

 Simplificación excesiva que invalide el modelo

 Consideración de una sola función objetivo

 Tamaño del sistema de ecuaciones / gran número de

restricciones / cantidad de cálculos necesarios

 Evaluación costo – beneficio (costos del modelo vs.

Ahorros por utilizarlo)
INVESTIGACIÓN DE OPERACIONES
CONSIDERACIONES FINALES

• Aunque los modelos no se utilicen en forma rutinaria y sistemática

para tomar decisiones, aún así proporcionan un estándar contra el
cual se pueden comparar las decisiones tomadas

• En un mundo donde muchos de los administradores no son

propietarios de los negocios que administran, es necesario emplear
un proceso justificable para la toma de decisiones

• Los modelos no nos dicen qué decisiones tomar, mas bien nos
indican cómo proceder para tomarlas o cómo analizar
decisiones pasadas

• Las buenas decisiones no garantizan buenos resultados

• Un administrador exitoso será el que tome buenas decisiones en

forma consistente