You are on page 1of 38

Investigación de operaciones

Investigación de operaciones
UNIDAD I
Tema:
Definiciones básicas

¿Qué es la investigación de
operaciones?
Kamblesh Mathur: “Es el uso de la
Matemática y computadoras para ayudar
a tomar decisiones racionales frente a
problemas de administración”.
Jorge Álvarez:“Es un procedimiento o un
enfoque para resolver problemas
relacionados con la toma de decisiones”
Resumiendo: La Investigación de
Operaciones es el uso de la matemática e
informática para resolver problemas del
mundo real, tomando decisiones
acertadas que garanticen el éxito.

. (1998) “Es un enfoque científico para la toma de decisiones ejecutivas. – La ciencia de desarrollar técnicas de solución para resolver dichos modelos.¿Qué es la investigación de operaciones? Lawrence y Pasternak. que consiste en: – El arte de modelar situaciones complejas. – La capacidad de comunicar efectivamente los resultados”.

en la gestión y organización de sistemas complejos. etc.¿Qué es la investigación de operaciones? – – Es la aplicación del método científico para asignar los recursos o actividades de forma eficaz. Es el conjunto de técnicas matemáticas aplicadas adecuadas para resolver problemas reales de:  Planificación  Logística  Diseño de productos y procesos  Control de procesos. .

Objetivo de la investigación de operaciones – – – – – – Apoyar a la toma de decisiones sistemas complejos. Lograr flexibilidad y bajo coste. Obtener información cuantitativa. Mejorar procedimientos tradicionales: opiniones de expertos. Evaluar el rendimiento de un sistema con objeto de mejorarlo. reglas simples. Conocer las limitaciones de los modelos. . Hacer el tratamiento de la incertidumbre. Estudiar la asignación óptima de recursos escasos a determinada actividad.

Mat. Financiera.Proceso de toma de decisiones Éxito MATEMATICA APLICADA DATOS MATEMATICA PURA Estadística. Informática. Investigación de Operaciones INFORMACION TOMA DE DECISIONES ACERTADAS RAPIDEZ PRECISION GRANDES VOLUMENES Fracaso .

Capacidad para justificar un resultado y explicar el proceso de razonamiento. Capacidad para resolver casos únicos basándose en principios.La I. modelos. Capacidad para aprender de la experiencia. busca la experticia humana Desempeño correcto y rápido dentro de un dominio específico. Capacidad para razonar bajo condiciones de incertidumbre e información incompleta y aplicar su sentido común o conocimiento general. experiencias. casos o reglas. .O.

conclusiones. . casos resueltos. reglas. conclusiones.Experto humano MEMORIA A LARGO PLAZO Conocimiento en el dominio. RAZONAMIENTO APRENDIZAJE MEMORIA A CORTO PLAZO Hechos. ASESORIA Recomendaciones. experiencia. expertisia. casos.

casos. conclusiones. casos resueltos. . reglas. MAQUINA DE INFERENCIA RED NEURONAL MEMORIA DE TRABAJO (RAM) Hechos.Sistema experto BASE DE CONOCIMIENTOS Conocimiento en el dominio. expertisia. USUARIO Recomendaciones. experiencia. conclusiones.

Árbol de conocimiento Decisiones Conocimiento Información Datos .

1.XIX)   Estadística: fenómenos de espera Erlang.2 Una breve historia Se aplica por primera vez en 1780 Antecedentes:  Matemáticas: modelos lineales Farkas. Markov (años 20)  Economía: Quesnay (s. Walras (s. Von Neumann (años 20) . XVIII). Minkowski (s. XIX).

colocación de minas. manejo de operaciones de bombardeo.  La Fuerza Armada Estadounidense formó un grupo similar.1. moderna se sitúa en la II Guerra Mundial para resolver problemas de organización militar: Despliegue de radares. 5 de los cuales ganaron el Premio Nobel.O.  La Fuerza Aérea Británica formó el primer grupo de investigación operacional.2 Una breve historia  El origen de la I. .

las Empresas reconocieron el valor de aplicar las técnicas en: -Refinerías de petróleo.1. -Estudio de mercado y Planeación de Inversiones. . -Distribución de productos.2 Una breve historia Después de la II Guerra Mundial. -Planeación y control de la producción.

1. Kuhn. Cooper) gran desarrollo de los ordenadores: Aumento de la capacidad de almacenamiento de datos Incremento de la velocidad de resolución de los problemas. Dantzig Sigue el desarrollo debido a: competitividad industrial progreso teórico RAND (Dantzig) Princeton (Gomory. Tucker) Carnegie Institute of Technology (Charnes.2 Una breve historia George B. .

ifors.org .cica.es/aliens/seio. Association of European O. and the Management Sci. Societies (IFORS) www.2 UNA BREVE HISTORIA Sigue habiendo un gran desarrollo.be/euro/euro_welcome. Operativa(SEIO) www.org International Federation of O.R. Más información: Sociedad Española de Estadística e Inv. con grandes avances sobre todo en el campo de la Inteligencia Artificial. en muchos sectores.html Institute for O.1.R.informs.ulb.ac. (INFORMS) www.Societies (EURO) www.R.

3 Metodología de la I.1.O. DEFINICION DEL PROBLEMA DESARROLLO MODELO RESOLUCION MODELO MODELO MODIFICADO ¿VALIDA? IMPLEMENTACION .

Definición del problema Es identificar.3 Metodología de la I. comprender y describir en términos precisos. El enunciado es la definición del problema. Un problema no se formula sino se define. el problema que la organización enfrenta.1.O. Los recursos son escasos Los sistemas son cada vez más complejos Cada vez es más difícil asignar los recursos o actividades de la forma más eficaz .

optimizar o satisfacer). alternativas y limitaciones del sistema Hay que recoger información relevante (los datos pueden ser un grave problema) Es la etapa fundamental para que las decisiones sean útiles .O. Definición del problema Consiste en identificar los elementos de decisión. objetivos (uno o varios.1.3 Metodología de la I.

Plan de trabajo: Observar y ser consciente de las realidades políticas Decidir qué se quiere realmente Identificar las restricciones Búsqueda de información continua. Definición del problema Factores problemáticos Datos incompletos. difusos Diferencias de opinión Presupuestos o tiempos limitados Cuestiones políticas El decisor no tiene una idea firme de lo que quiere realmente. .O.3 Metodología de la I.1. conflictivos.

O. I) Identificacion de las variables Xij = # de consultores que viajan del origen i al destino j II) Identificacion de la funcion objetivo Max 540X11+300X12+420X13+ 500X21+330X22+330X23+ 520X31+310X32+350X33 III) Identificacion de las restricciones X11+X12+X13 ≤ 2 X21+X22+X23 ≤ 1 X31+X32+X33 ≤ 4 X11+X21+X31 = 3 X12+X22+X32 = 2 X13+X23+X33 = 1 Xij ≥ 0 . entero Desarrollo de un modelo matemático Es la traducción del problema a términos matemáticos.3 Metodología de la I.1. Es formular un modelo matemático: Identificando variables Identificando la Función Objetivo Identificando las restricciones objetivos: función objetivo alternativas: variables de decisión limitaciones del sistema: restricciones .

fechas límite. Desarrollo de un modelo matemático Paso 1..O.. enteras.Identificar las restricciones o factores que limitan la decisión.Identificar la función objetivo ¿Qué pretendemos conseguir? ¿qué me interesaría más? Paso 3.Identificar las variables de decisión ¿Sobre qué tengo control? ¿Qué es lo que hay que decidir? ¿Cuál sería una respuesta válida del caso? Paso 2. . binarias). naturaleza de las variables (no negatividad. material).Traducción de los elementos básicos a un modelo matemático.1.3 Metodología de la I. Paso 4. máquinas... recursos disponibles (trabajadores.

O. Resolución del modelo Es resolver el modelo usando una técnica adecuada. es decir obtener valores numéricos para la variable de decisión.1.000 variables y 50.En esta parte se usa el Software LINDO. Es determinar los valores de las variables de decisión de modo que la solución sea óptima (o satisfactoria) sujeta a las restricciones Puede haber distintos algoritmos y formas de aplicarlos. .3 Metodología de la I.000 restricciones. que puede resolver modelos de hasta 200.

Si los resultados son inaceptables.. Paso 3..1.Generar las soluciones del modelo usando programas de ordenador.. Resolución del modelo Paso 1.3 Metodología de la I.. Analizar adaptaciones en la solución propuesta frente a posibles cambios.. revisar el modelo. Paso 5.Realizar análisis de sensibilidad. creación o heurísticos. hojas de cálculo. comprobar exactitud.Elegir la técnica de resolución adecuada. Paso 2.O.Comprobar/validar los resultados Probar la solución en el entorno real Paso 4. revisar restricciones. .

1.3 Metodología de la I.O. Verificación y validación Eliminación de errores Comprobación de que el modelo se adapta a la realidad Interpretación y análisis Robustez de la solución óptima obtenida: Análisis de sensibilidad Detección de soluciones cuasi-óptimas atractivas Implementación de resultados Sistema de ayuda y mantenimiento Documentación Formación de usuarios .

4 Usos de los modelos DECISIONES ESTRATEGICAS: ¿Debería reemplazarse un sistema existente con un nuevo sistema propuesto? ¿Debería cambiarse su política de Administración? DECISIONES OPERACIONALES: ¿Cómo programar la fuerza de trabajo? ¿Cuál es el plan de producción óptimo? ¿Cuál es plan de embarque más económico? .1.

?” .1. Una forma de evaluar preguntas de sensibilidad de la forma: “¿Qué sucedería sí ...5 Ventajas de los modelos Un método óptimo para lograr un objetivo.

Modelos de Sistemas Utilidad de modelos: Estudio de características de operación Imposibilidad de hacer medidas Predicción del comportamiento Situaciones no experimentadas Facilitar diseño de nuevos productos/sistemas Tipos de modelos Normativos: modelos de optimización Descriptivos: modelos de simulación .

Modelos de Sistemas Modelos normativos .optimización Ofrecen información sobre alternativas Seleccionan entre ellas Complejos y no triviales Difíciles de tratar con incertidumbre Requieren técnicas complejas de solución Modelos descriptivos .simulación Analizan una alternativa cada vez Modelos para situaciones específicas Más simples de desarrollar Adecuados con incertidumbre Aplicación muy sencilla .

Modelos de Sistemas Modelos incluyen errores Importante conocer su magnitud Causas de inexactitudes: Selección de aspectos de la realidad Inviable considerar todo el sistema Errores en modelos matemáticos Modelos sencillos y aproximados .

Modelos de Sistemas Construcción de modelos: Especificación de los componentes Recogida y análisis de datos Desarrollo del modelo Verificación y validación Obtención y análisis de resultados .

entera. no lineal Programación multiobjetivo Procesos de decisión (prog. dinámica) Simulación Determinista Estocástica .Técnicas de IO Ejemplos de técnicas (i) Optimización Programación lineal.

simples (deterministas/estocásticos) J.Técnicas de IO Ejemplos de técnicas (ii) Teoría de colas Colas simples Redes de colas Teoría de juegos J. repetitivos Teoría de decisión .

Técnicas de IO Ejemplos de problemas Planificación de la producción Optimización de carteras Análisis de riesgo Planificación de redes de comunicaciones Generación de ofertas en mercados competitivos .

mercado de valores.Técnicas de IO Diseño de productos financieros Diseño de nuevos productos (préstamos. operaciones de leasing. derivados) Modelado de diferentes alternativas con información incierta: tasas de interés. precios futuros .

intercambios de energía eléctrica Generación de ofertas en mercados competitivos: cantidades y precios para maximizar beneficios .Técnicas de IO Planificación de la generación eléctrica Aprovechamiento de recursos disponibles a largo plazo: agua. contratos de fuel.

Técnicas de IO Resumen: Dado un modelo matemático. determinar algunos valores asociados al modelo Valores de interés: asociados a decisiones alternativas Técnicas: Qué sucede con una alternativa (simulación) Selección de mejor alternativa (optimización) .

¿ALGUNA PREGUNTA SOBRE EL CURSO? .