Investigacin de Operaciones La Investigacin de Operaciones es una ciencia gerencial, enfocada hacia la toma de decisiones gerenciales, basada en el mtodo cientfico

para resolver problemas. La Investigacin de Operaciones (IO) o Investigacin Operativa es una rama de las matemticas que hace uso de modelos matemticos y algoritmos con el objetivo de ser usado como apoyo a la toma de decisiones. Se busca que las soluciones obtenidas sean significativamente ms eficientes (en tiempo, recursos, beneficios, costos, etc) en comparacin a aquellas decisiones tomadas en forma intuitiva o sin el apoyo de una herramienta para la toma de decisiones.

Caractersticas de la Investigacin de Operaciones La Investigacin de Operaciones usa el mtodo cientfico para investigar el problema en cuestin. En particular, el proceso comienza por la observacin cuidadosa y la formulacin del problema incluyendo la recoleccin de datos pertinentes. La Investigacin de Operaciones adopta un punto de vista organizacional. De esta manera intenta resolver los conflictos de inters entre los componentes de la organizacin de forma que el resultado sea el mejor para la organizacin completa.
La Investigacin de Operaciones intenta encontrar una mejor solucin (llamada

solucin ptima), para el problema bajo consideracin. En lugar de contentarse con mejorar el estado de las cosas, la meta es identificar el mejor curso de accin posible. En la Investigacin de Operaciones es necesario emplear el enfoque de equipo. Este equipo debe incluir personal con antecedentes firmes en matemticas, estadsticas y teora de probabilidades, economa, administracin de empresas ciencias de la computacin, ingeniera, etc. El equipo tambin necesita tener la experiencia y las habilidades para permitir la consideracin adecuada de todas las ramificaciones del problema. La Investigacin de Operaciones ha desarrollado una serie de tcnicas y modelos muy tiles a la Ingeniera de Sistemas. Entre ellos tenemos: la

Programacin No Lineal, Teora de Colas, Programacin Entera, Programacin Dinmica, entre otras. La Investigacin de Operaciones tiende a representar el problema cuantitativamente para poder analizarlo y evaluar un criterio comn.

Metodologa de la Investigacin de Operaciones. El proceso de la Investigacin de Operaciones comprende las siguientes fases:
1. Formulacin y definicin del problema. En esta fase del proceso se necesita:

una descripcin de los objetivos del sistema, es decir, qu se desea optimizar; identificar las variables implicadas, ya sean controlables o no; determinar las restricciones del sistema. Tambin hay que tener en cuenta las alternativas posibles de decisin y las restricciones para producir una solucin adecuada.
2. Construccin del modelo. En esta fase, el investigador de operaciones debe

decidir el modelo a utilizar para representar el sistema. Debe ser un modelo tal que relacione a las variables de decisin con los parmetros y restricciones del sistema. Los parmetros (o cantidades conocidas) se pueden obtener ya sea a partir de datos pasados o ser estimados por medio de algn mtodo estadstico. Es recomendable determinar si el modelo es probabilstico o determinstico. El modelo puede ser matemtico, de simulacin o heurstico, dependiendo de la complejidad de los clculos matemticos que se requieran.

3. Solucin del modelo. Una vez que se tiene el modelo, se procede a derivar una

solucin matemtica empleando las diversas tcnicas y mtodos matemticos para resolver problemas y ecuaciones. Debemos tener en cuenta que las soluciones que se obtienen en este punto del proceso, son matemticas y debemos interpretarlas en el mundo real. Adems, para la solucin del modelo, se deben realizar anlisis de sensibilidad, es decir, ver cmo se comporta el modelo a cambios en las especificaciones y parmetros del sistema. Esto se hace, debido a que los parmetros no necesariamente son precisos y las restricciones pueden estar equivocadas.
4. Validacin del modelo. La validacin de un modelo requiere que se determine

si dicho modelo puede predecir con certeza el comportamiento del sistema.

Un mtodo comn para probar la validez del modelo, es someterlo a datos pasados disponibles del sistema actual y observar si reproduce las situaciones pasadas del sistema. Pero como no hay seguridad de que el comportamiento futuro del sistema contine replicando el comportamiento pasado, entonces siempre debemos estar atentos de cambios posibles del sistema con el tiempo, para poder ajustar adecuadamente el modelo.

5. Implementacin de resultados. Una vez que hayamos obtenido la solucin o

soluciones del modelo, el siguiente y ltimo paso del proceso es interpretar esos resultados y dar conclusiones y cursos de accin para la optimizacin del sistema. Si el modelo utilizado puede servir a otro problema, es necesario revisar, documentar y actualizar el modelo para sus nuevas aplicaciones. Modelo. Un modelo es una representacin explcita y externa de parte de la realidad como la ven las personas que desean usar el modelo para entender, cambiar, gestionar y controlar dicha parte de la realidad Algunos principios para tener xito en el modelado Principios generales tiles en cualquier tipo de modelo: Los Modelos han de ser simples, su anlisis debe ser complejo Ir paso a paso Usar metforas, analogas y similitudes Los datos disponibles no deben conformar el modelo. Modelar es explorar.

Estructura de los modelos empleados en la Investigacin de Operaciones. El enfoque de la Investigacin de Operaciones es el modelaje. Un modelo es una herramienta que nos sirve para lograr una visin bien estructurada de la realidad. As, el propsito del modelo es proporcionar un medio para analizar el comportamiento de las componentes de un sistema con el fin de optimizar su desempeo. La ventaja que tiene el sacar un modelo que represente una situacin real, es que nos permite analizar

tal situacin sin interferir en la operacin que se realiza, ya que el modelo es como si fuera "un espejo" de lo que ocurre. Para aumentar la abstraccin del mundo real, los modelos se clasifican como 1) icnicos, 2) anlogos, 3) simblicos. Los modelos icnicos son la representacin fsica, a escala reducida o aumentada de un sistema real. Los modelos anlogos esencialmente requieren la sustitucin de una propiedad por otra con el fin de permitir la manipulacin del modelo. Despus de resolver el problema, la solucin se reinterpreta de acuerdo al sistema original. Los modelos ms importantes para la investigacin de operaciones, son los modelos simblicos o matemticos, que emplean un conjunto de smbolos y funciones para representar las variables de decisin y sus relaciones para describir el comportamiento del sistema. El uso de las matemticas para representar el modelo, el cual es una representacin aproximada de la realidad, nos permite aprovechar las computadoras de alta velocidad y tcnicas de solucin con matemticas avanzadas.

Modelos Matemticos Los modelos matemticos son modelos formales que utilizan el lenguaje de las matemticas para describir un sistema, expresando parmetros, variables, relaciones. El lenguaje matemtico no se limita a la expresin de nmeros y operadores aritmticos que los relacionan. As por ejemplo la teora de grafos, ampliamente utilizada en aplicaciones prcticas, es un subconjunto de la ms general teora de conjuntos. Los modelos matemticos se pueden clasificar de mltiples maneras. A continuacin se describen algunas que se consideran relevantes. Los modelos pueden ser estticos o dinmicos. Un modelo esttico no tiene en cuenta el tiempo, mientras que los modelos dinmicos s. Los modelos dinmicos se suelen representar con ecuaciones en diferencias o ecuaciones diferenciales. Los modelos pueden ser lineales o no-lineales. Si todos los operadores de un modelo son lineales el modelo es lineal, si al menos uno es no-lineal el modelo es nolineal. Aunque hay excepciones, los modelos lineales son mucho ms fciles de manejar que los modelos no-lineales. En general los modelos no-lineales pueden ser

linealizados, pero entonces, es posible, que se estn perdiendo aspectos relevantes del problema. Un modelo puede ser determinista o estocstico. Un modelo determinista es aquel en que cada conjunto de variables en un estado est definido por los parmetros del modelo y por los estados anteriores. Un modelo determinista se comporta siempre igual para un conjunto de parmetros de entrada. En un modelo estocstico las variables de estado se representan por distribuciones de probabilidad, y por tanto el modelo es capaz de recoger aleatoriedad o incertidumbre. Un modelo matemtico comprende principalmente tres conjuntos bsicos de elementos. Estos son: 1) variables y parmetros de decisin, 2) restricciones y 3) funcin objetivo.
1. Variables y parmetros de decisin. Las variables de decisin son las

incgnitas (o decisiones) que deben determinarse resolviendo el modelo. Los parmetros son los valores conocidos que relacionan las variables de decisin con las restricciones y funcin objetivo. Los parmetros del modelo pueden ser determinsticos o probabilsticos. 2. Restricciones. Para tener en cuenta las limitaciones tecnolgicas, econmicas y otras del sistema, el modelo debe incluir restricciones (implcitas o explcitas) que restrinjan las variables de decisin a un rango de valores factibles. 3. Funcin objetivo. La funcin objetivo define la medida de efectividad del sistema como una funcin matemtica de las variables de decisin. Programacin Lineal. Programacin Lineal es una tcnica cuantitativa ampliamente aplicada en sistemas que presenten relaciones lineales, para utilizar los recursos escasos de la mejor manera posible. La mejor manera de usar los recursos escasos se logra utilizando un modelo del sistema llamado Modelo de Programacin Lineal. El Modelo de Programacin Lineal es un modelo matemtico con variables de decisin, coeficientes y/o parmetros, restricciones y una Funcin Objetivo. Es determinstico porque todos los datos relevantes utilizados, son conocidos. Es lineal porque las restricciones y el objetivo son funciones lineales. La contribucin de cada variable al valor total del objetivo y al lado derecho de cada restriccin es proporcional al valor de la variable. Es aditivo porque los trminos de sus restricciones

y objetivo pueden sumarse (o restarse). La contribucin de cada variable es independiente del valor de las otras variables. Es divisible porque las variables de decisin pueden aceptar valores fraccionales. En caso de no aceptar valores fraccionales, sera preferible usar Programacin Lineal Entera. La Formulacin y Construccin del Modelo Lineal implica: a) Definir claramente las variables de decisin y expresarlas simblicamente o convencionalmente. b) Definir claramente la Funcin Objetivo y las restricciones y expresarlas matemticamente como funciones lineales. Debe cuidarse que los elementos componentes del modelo sean expresados para el mismo perodo de tiempo. Se debe estipular que las variables de decisin sean mayores o iguales a cero. Esto acerca el modelo a la realidad. En los programas de computadora para resolver modelos lineales, ya est incluida esta condicin y no hace falta incorporarla manualmente. La Funcin Objetivo del Modelo Lineal es la formulacin matemtica de una meta establecida y por lo tanto su valor final mide la efectividad lograda. Es una funcin lineal a ser maximizada o minimizada y tiene la siguiente forma general: Optimizar C1X1 + C2X2 + C3X3 + C4X4 +...................+ CnXn (Xj), simboliza matemticamente a las variables de decisin. Son los valores numricos que se determinan con la solucin del modelo y representan o estn relacionadas con una actividad o accin a tomar. Son los nicos valores desconocidos en el modelo y pueden existir en cualquier cantidad, desde 1 hasta n variables. Es decir, j vara desde 1 hasta n. (Cj), matemticamente, simboliza el coeficiente de la variable j en la Funcin Objetivo. Son datos relevantes, insumos incontrolables ya conocidos. En la Funcin Objetivo representan la cantidad con la cual contribuye cada unidad de la variable j, al valor total deseado en el objetivo. Las restricciones, desde el punto de vista matemtico, son funciones lineales expresadas como igualdades o desigualdades, que limitan el valor de las variables de decisin a valores permisibles. Representan recursos, condiciones o requerimientos establecidos. Las restricciones del Modelo Lineal general tienen la forma siguiente: a11 X1 + a 12 X 2 + a 13 X 3 + a14 X 4 + .................. + a1n Xn = b1 a21 X1 + a 22 X 2 + a 23 X 3 + a24 X 4 + .................. + a2n Xn = b2 a31 X1 + a 32 X 2 + a 33 X 3 + a34 X 4 + .................. + a3n Xn = b3

...... ...... am1 X1 + a m2 X 2 + am3 X 3 + am4 X 4 +...............+ amn Xn = bm (aij), matemticamente simboliza el coeficiente, en la restriccin i, de las variable j. El subndice i indica el recurso, requerimiento o condicin cuya limitacin se est expresando; j indica la variable correspondiente. Cuando la limitacin es de un recurso i, estos coeficientes representan la cantidad del recurso total limitado i, que es utilizada en cada unidad de la variable j. Cuando la limitacin es de un requerimiento o condicin i, representan la cantidad del requerimiento o condicin i limitada, que aporta cada unidad de la variable j, al requerimiento o condicin total establecida. Son, por ello, valores unitarios, al igual que los coeficientes de las variables en la Funcin Objetivo. (bi), matemticamente constituye el lado derecho de la restriccin i. Representa la cantidad total disponible del recurso limitado i, o la cantidad total de un requerimiento o condicin i establecida. Puede existir cualquier cantidad de restricciones por lo tanto i puede variar desde 1 hasta m. (Xj0) es una restriccin de no negatividad de las j variables, la cual se le considera siempre presente como una condicin natural en el Modelo Lineal General.