Instituto Tecnolgico de Tapachula

Libertad de espritu en ciencia y tecnologa

Materia: Investigacin de operaciones I

METODOLOGIA DE LA INVESTIGACION DE OPERACIONES

Integrantes del equipo 2:

Alegra Lozano Daniel Bamaca Prez Gpe Montserrat Camas Cordero Yuridia Graciela Hernndez Hernndez Jacquelin Jurez Muoz Sergio Gpe.

Tapachula Crdova de Ordoez; Chiapas a 8 de Febrero del 2013.

ndice Introduccin..4 Formulacin del modelo y recoleccin de datos.5 Solucin del modelo.18 Tcnicas de investigacin operativa MODELOS DETERMINISTICOS..19 Optimizacin no lineal Mtodos clsicos Mtodos de bsqueda Programacin no lineal Optimizacin lineal Programacin lineal Transporte de asignacin Programacin entera o binaria Redes MODELOS HIBRIDOS30 Gestin de proyectos (PERT/CPM) Programacin dinmica Control de inventarios Simulacin Heursticos MODELOS ESTOCASTICOS..36 Procesos estocsticos Teora de colas Programacin estocstica Teora de juegos Cadenas de Markov
2

Conclusin.41 Bibliografa.42

INTRODUCCIN. En este trabajo se hablar acerca de la metodologa de investigacin de operaciones; se tratar de desglosar tanto los pasos de tal metodologa como cada uno de los modelos, como son: teora de colas, modelo de inventarios, cadenas de Markov, teora de Juegos, programacin Lineal, modelos de redes, programacin dinmica, etc. As tambin las aplicaciones de cada uno de los modelos. El enfoque de la Investigacin de Operaciones es el mismo del mtodo cientfico, es por eso la importancia que tiene; En particular, la Investigacin de Operaciones se ocupa tambin de la administracin prctica de la organizacin. As, para tener xito, deber tambin proporcionar conclusiones positivas y claras que pueda usar el tomador de decisiones cuando las necesite.

FORMULACIN DEL MODELO Y RECOLECCIN DE DATOS Panorama del enfoque de modelado en la investigacin de operaciones. La mayor parte de la investigacin de operaciones comentadas se basan en modelos matemticos esto constituye la parte principal de lo que se conoce del tema. Sin embargo, no significa que los estudios prcticos de investigacin de operaciones sean en esencia ejercicios matemticos. Con frecuencia, el anlisis matemtico representa una pequea parte del gran trabajo que se requiere al realizar un estudio de investigacin de operaciones. Por ello es importante mencionar que la investigacin de operaciones conlleva algunas etapas de desarrollo en su ejecucin. Las etapas principales descritas son: I. II. III. IV. V. VI. Formulacin del problema Construcciones un modelo matemtico que represente el sistema bajo estudio Derivacin de una solucin a partir del modelo Prueba del modelo y la solucin obtenida Establecimiento de controles sobre la solucin Puesta en marcha de la solucin

l. FORMULACION DEL PROBLEMA La primera actividad que se debe realizar es el estudio del sistema relevante y el desarrollo de su resumen bien definido del problema que se va a analizar. Esto incluye: Determinar objetivos apropiados Establecer restricciones sobre lo que se puede hacer Las interrelaciones del rea bajo estudio y otras reas de la organizacin Los diferentes cursos de accin posibles Los lmites de tiempo para tomar una decisin Etc Es difcil extraer una respuesta correcta a partir de un problema equivocado! en base a esto decimos entonces que esta etapa de formulacin del problema es crucial ya que afectara directamente y de manera significativa la relevancia de las conclusiones del estudio. Entonces
5

esta fase debe ejecutarse con sumo cuidado y mantener una revisin constante a medida que se vayan realizando las etapas posteriores a esta. ll. CONSTRUCION DE UN MODELO MATEMTICO. Una vez formulado el problema del tomador de decisiones, la siguiente etapa consiste en formularlo de manera conveniente para el anlisis. La forma convencional es construir un modelo matemtico que represente la esencia del problema. Los modelos matemticos son representaciones idealizadas, pero estn expresadas en trminos de smbolo y expresiones matemticas. El modelo matemtico para un problema industrial es el sistema de ecuaciones y expresiones relacionadas que describen la esencia del problema. As se pueden tomar n decisiones cuantificables relacionadas unas con otras, se representan como variables de decisin (como x1, x2 Xn) para los que se deben determinar los valores respectivos. La medida de efectividad compuesta (por ejemplo las ganancias) se expresa entonces como una fusin matemtica de estas variables de decisin (por ejemplo P= 3X1 + 2X2+ 5Xn) esta funcin se llama funcin objetivo. Tambin se expresan matemticamente todas las limitaciones que se puedan imponer sobre las variables de decisin, casi siempre se forman ecuaciones o desigualdades. Tales expresiones matemticas de las limitaciones, con frecuencia reciben el nombre de restricciones. Las constantes en las restricciones y en la funcin objetivo reciben el nombre de parmetros del modelo. El modelo matemtico puede expresarse entonces como el problema de elegir valores de las variables de decisin de manera que maximice la funcin objetivo, sujeta a las restricciones dadas. Un modelo de este tipo, y algunas variaciones menores sobre l, tipifican los modelos analizados segn investigacin de operaciones. Un paso crucial en la formacin de un modelo matemtico es la construccin de la funcin objetivo. Esto requiere desarrollar una medida cuantitativa de la efectividad relativa a cada objetivo. Si en el estudio se contemplan ms de un objetivo, es necesario transformar y combinar las medidas respectivas en una medida compuesta de efectividad llamas medida global de efectividad. Despus de determinar la medida global de efectividad, la funcin objetivo se obtiene expresndola como una funcin matemtica de las variables de decisin.
6

lll. OBTENCIN DE LA SOLUCIN. Una vez formulado el modelo matemtico para el problema en estudio, la siguiente consiste en derivar una solucin a partir de ese modelo. En este paso se aplica uno de los algoritmos (procedimientos iterativos de solucin) de investigacin de operaciones en una computadora. El fin del tema de investigacin de operacin es la bsqueda de la solucin ptima, es decir, la mejor. Se han desarrollado muchos procedimientos para encontrar estas soluciones en ciertos tipos de problemas, pero estos procedimientos son ptimos respecto al modelo que se est usando. Como el modelo necesariamente es una idealizacin y no una representacin del

problema real, no puede existir una garanta que la solucin ptima del modelo resulte sea la mejor solucin posible que pueda llevarse a la prctica para el problema real. Herbert Simn ganador del premio nobel de economa introdujo el concepto de que la prctica es mucha ms frecuente satisfacer que optimizar. Al inventar el termino satisfizar como una combinacin de satisfacer y optimizar, Simn describe la tendencia de los administradores a buscar una solucin que sea lo suficientemente buena para el problema que se tiene. En lugar de intentar desarrollar una medida global de eficiencia para conciliar de manera ptima los conflictos entre los diferentes objetivos deseables se puede usar un enfoque ms pragmtico. Esta definicin refleja la diferencia entre teora y realidad con la cual se tiene que lidiar al querer implantar esa teora a la prctica. Un estudio de investigacin de operaciones busca solo una solucin, que puede requerirse o no que sea ptima. Una solucin ptima para el problema original puede ser mucho menos que ideal para el problema real. As, el anlisis posoptimo constituye una parte muy importante de la mayora de esos estudios. Este anlisis conlleva a su vez un anlisis de sensibilidad para determinar que parmetros del modelo son los ms crticos para obtener la solucin. Por tanto, despus de identificar los parmetros sensibles se deben realizar estimaciones ms cercanas y cuidadosas de cada uno de ellos. Despus se busca una solucin que sea buena para todas las combinaciones de los valores posibles de los parmetros sensibles.

lV. VERIFICACION DEL MODELO Y LA SOLUCIN. Una de las primeras reglas de investigacin de operaciones dice que, por lo general no es suficiente confiar solo en la propia intuicin. Se debe tomar en cuenta esta precaucin no solo al obtener la solucin del problema, sino tambin al evaluar el modelo que se formul para representarlo. El criterio adecuado para juzgar la validez de un modelo es, su capacidad de predecir los efectos relativos de los recursos de accin alternativos con suficiente exactitud para que permita tomar decisiones adecuadas. Antes de emprender pruebas ms elaboradas, es bueno comenzar por verificar los errores obvios o lo que se pas por alto en el modelo. Al examinar de nuevo la formulacin del problema pueden descubrirse las equivocaciones de este tipo. Otra prueba til es la de asegurarse de que todas las expresiones matemticas son consistentes en las dimensiones de las unidades que emplean. Un enfoque ms sistemtico para la prueba del modelo es emplear una prueba retrospectiva. Esta prueba hace uso de datos histricos y reconstruyen el pasado para determinar si el modelo y la solucin resultante hubieran tenido un buen desempeo de haberse usado. Todo esto es para poder tener estimaciones ms cercanas a la que podra ser la solucin ms ptima para la solucin del problema.

V. TOMA DE DECISIONES Es necesario recordar en esta etapa, que cuando las decisiones que se toman resultan ser equivocadas, no se puede culpar al modelo escogido como el causante de esa mala decisin. Con esto se quiere decir que los modelos solo son la herramienta que ayudan a la toma de mejores decisiones. Otra de las cosa de la que el analista debe preocuparse, es que la solucin que tome con base en el modelo que est estudiando, sea, adems de buena, una solucin viable.

Vl. ESTABLECIMIENTO DE CONTROLES SOBRE LA SOLUCIN. Despus de pasar la etapa de pruebas y desarrollar un modelo aceptable, si el modelo ha de usarse varias veces, el siguiente paso es instalar un sistema bien documentado para aplicar el modelo. Este sistema incluir el modelo y procedimiento de soluciones y los procedimientos operativos para su implementacin. La meta es que aunque cambien el personal, el sistema puede consultarse peridicamente para proporcionar una solucin numrica especfica. Es evidente que esta solucin sigue siendo vlida para el problema real solo mientras el modelo especfico sea vlido. Sin embargo, las condiciones en la vida real cambian constantemente, por ende, pueden ocurrir cambios que invaliden este modelo. Si estos valores cambian es vital que se detecten lo ms pronto posible. Para esto debe idearse un plan para detectar tales cambios y hacer las modificaciones necesarias. Adems con valdra la pena establecer procedimientos sistemticos para detectar cambios y controlar la solucin. Para esto es necesario identificar los parmetros sensibles del modelo y establecer un procedimiento para detectar los cambios estadsticamente significativos en cada parmetro sensible.

Vl. PUESTA EN PRCTICA La ltima etapa de un estudio de investigacin de operaciones es poner en prctica la solucin final. Esta etapa es crtica, ya que es aqu, donde se cosecharan los beneficios del estudio. La fase de implementacin incluye varios pasos. Primero, el equipo de investigacin de operaciones da una cuidadosa explicacin a la gerencia operativa sobre la solucin que se va a adoptar y su relacin con la realidad que opera. En seguida estos dos grupos comparten responsabilidad de desarrollar los procedimientos requeridos para ponerla en operacin. La gerencia opertica se encarga despus de dar una capacitacin detallada l personal que participa, y se inicia entonces el nuevo curso de accin.

DESDE EL PUNTO DE VISTA DE OTROS AUTORES Las etapas o pasos de un estudio de Investigacin Operativa son las siguientes:

Paso 1: Definicin del problema

Paso 2 Modelado Matemtico

Paso 3 Solucin del modelo

Paso 4 Presentacin/implementacin

Paso 1. Definicin del problema Es importante que el problema este claramente definido antes de invertir una gran cantidad de trabajo y energa en resolverlo A la hora de definir el problema, el analista debe enfrentarse a uno o ms de los factores siguientes: Datos incompletos, conflictivos o difusos Diferencias de opinin Presupuesto Lmite de tiempo para tomar la decisin Cuestiones polticas El decisor no tiene una idea firme de que quiere realmente Para tratar con estos problemas, un buen plan de trabajo es el siguiente:
10

1.- OBSERVAR El analista debe realizar un esfuerzo para contemplar el problema desde diferentes puntos de vista, de modo que termine entendiendo el problema tan bien o mejor que las personas directamente implicadas. 2.- SER CONSCIENTE DE LAS REALIDADES POLITICAS Casi siempre hay conflictos entre los jefes y los trabajadores, o entre varios jefes. Para el analista, esto significa que a menudo recibir informacin distorsionada o incompleta de cada grupo. 3.- DECIDIR QUE SE QUIERE REALMENTE El analista debe estar seguro de que la compaa tiene claros sus objetivos antes de desarrollar y resolver un modelo 4.- IDENTIFICAR LAS RESTRICCIONES Es importante saber qu tipo de limitaciones pueden afectar la decisin final, para posteriormente incluirlas en el modelo. 5.- BUSCAR INFORMACION DE MODO CONTINUO A lo largo de todo el proceso, el analista no debera perder el contacto con el decisor. Esto permite que ambos modifiquen de forma continua sus observaciones inciales y estn al da del desarrollo del proceso.

11

Paso 2 Modelado Matemtico (Modelizacin) La modelizacin es un procedimiento que reconoce y verbaliza un problema para posteriormente cuantificarlo transformando las expresiones verbales en expresiones matemticas El proceso de la modelizacin de un problema consta de cuatro pasos, que se ilustran en la siguiente: MODELADO MATEMATICO Paso 1 Identificar las variables de decisin Paso 2 Identificar la funcin objetivo Paso 3 Identificar las restricciones Paso 4 Traducir los elementos anteriores a un modelo matemtico 1.-Identificar las variables de decisin Es determinar aquellos factores sobre los que el decisor tiene control, que normalmente se llaman variables de decisin del problema. Hay que distinguir entre lo que est a nuestro alcance cambiar (Por ejemplo, la cantidad de artculos a producir de cada producto o el material a utilizar) de aquello que no podemos modificar (como la temperatura exterior de una nave industrial o fechas lmite a cumplir) Una definicin incorrecta de las variables decisin puede complicar el resto de la modelizacin. Para identificar las variables de decisin, puede ser til hacerse las siguientes preguntas: Qu es lo que hay que decidir? Sobre qu elementos tenemos control? Cul sera una respuesta clara, directa y vlida para este caso?

12

2.-Identificar la funcin objetivo Normalmente el objetivo es buscar el valor ptimo para cierta funcin A la hora de encontrar la funcin objetivo, la pregunta que nos podemos hacernos es: Qu es lo que queremos conseguir? Si yo fuera el jefe de esta empresa Qu me interesara ms? 3.- Identificar las restricciones En la bsqueda de la solucin ptima, normalmente existen ciertas restricciones (limitaciones o requisitos) que limitan nuestra decisin Ejemplos de restricciones frecuentes son: Los recursos disponibles (trabajadores, maquinas, material,etc) son limitados Fechas lmite impuestas por los contratos Restricciones impuestas por la naturaleza del problema ( Por ejemplo: el flujo de entrada a un nodo debe ser igual al flujo de salida) 4.- Traducir los elementos anteriores a un modelo matemtico Una vez identificados los modelos bsicos hay que expresarlos matemticamente. Dependiendo de la naturaleza de las funciones matemticas, el modelo ser de un tipo u otro; por ejemplo, si todas ellas son lineales, el problema ser de programacin lineal; si existe ms de una funcin objetivo ser de programacin multicriterio, etc.

13

Paso 3. Resolucin del modelo Aceptado ya el modelo matemtico que mejor describe la situacin en estudio, se aplican los algoritmos y mtodos matemticos diseados para su resolucin. Las etapas en la resolucin del modelo son: Resolucin del modelo Paso 1. Elegir la tcnica de resolucin adecuada. Paso 2. Generar las soluciones del modelo. Paso 3. Comprobar/validar los resultados. Paso 4. Si los resultados son inaceptables, revisar el modelo matemtico. Paso 5. Realizar anlisis de sensibilidad. 1. Elegir la tcnica de resolucin adecuada. Afortunadamente, muchos de los modelos de IO pueden resolverse utilizando tcnicas

eficientes ya existentes , que proporcionan una solucin ptima para el modelo en otros casos , el problema es demasiado complejo o el algoritmo de solucin tiene una complejidad computacional inaceptable y hay que recurrir a mtodos heursticos de resolucin. 2. Generar las soluciones del modelo. Una vez elegida la tcnica de resolucin , el siguiente paso es resolver el problema .como normalmente la mayora de los modelos conllevan la manipulacin de una gran cantidad de datos, los problemas deben ser resultados con ayuda del ordenador , utilizando alguno de los muchos algoritmos de IO que existen o incluso hojas de clculo ( las versiones actuales de la mayora de ellas incluyen mdulos que realizan anlisis de optimizacin.

14

3. Comprobar/validar los resultados. Dado que los mdulos matemticos no son ms que simplificaciones de la realidad, las

soluciones ptimas generadas para un modelo pueden no ser ptimas para el problema de la vida real. En el peor de los casos, puede que ni siquiera sean factibles. De este modo, comprobar la validez de dichas soluciones constituye un paso crucial, igual que comprobar que efectivamente proporcionan un mejor rendimiento que el plan de trabajo que actualmente sigue la empresa. El desarrollo de un mdulo matemtico grande es anlogo en algunos aspectos al desarrollo de un gran proyecto software. Cuando se completa la primera versin, es inevitable que contenga fallos. El programa debe probarse de manera exhaustiva para tratar de encontrar y corregir tantos problemas como sea posible. Este proceso de prueba y mejora de un modelo para incrementar su validez se conoce como validacin del modelo, que implica volver a la etapa 1o 2para refinar la solucin obtenida. 4. Si los resultados son inaceptables, revisar el modelo matemtico. Como ningn modelo es totalmente exacto ni ninguna tcnica de validacin est excenta de errores, si los resultados de la validacin son inaceptables puede ser necesario revisar el modelo: Las hiptesis deben ser estudiadas. La exactitud de los datos comprobad. Las aproximaciones relajadas o endurecidas. Las restricciones revisadas. 5. Realizar anlisis de sensibilidad. Normalmente, la solucin que nos proporciona el ordenador es una respuesta para el modelo. Pero el decisor suele querer no una solucin, sino varias soluciones entre las que elegir. La decisin ltima con respecto a la solucin a implantar no la va a tomar el sistema de optimizacin sino el decisor.

15

El analista debe estar preparado para estudiar los cambios posibles y su alcance. Para ello resulta muy til realizar el llamado anlisis de sensibilidad, que estudia los cambios que puede sufrir la solucin si se alteran los parmetros del modelo, o bien en que rango de variacin de los parmetros la solucin sigue siendo vlida. Paso 4. Presentacin/implementacin de los resultados. Este es el paso final dentro del proceso. Implica los siguientes pasos: PRESENTACION DE RESULTADOS Paso 1. Preparar informes y/o presentaciones Paso 2. Vigilar el proceso de implementacin de la solucin propuesta

Paso 1. Preparar informes y/o presentaciones. La comunicacin efectiva de los resultados de un estudio es esencial para el xito del mismo. La utilidad del anlisis ser nula si las personas que toman las decisiones no aprecian totalmente su valor. Los decisores deben comprender completamente el enfoque del analista, las hiptesis y simplificaciones que se han hecho, y la lgica subyacente en la recomendacin. 2. Vigilar el proceso de implementacin de la solucin propuesta. Una vez que se ha emitido el informe o se ha hecho la presentacin y aprobado el estudio, debe implementrsela solucin propuesta, que a veces puede suponer cambios que sean conflictivos y encuentren resistencia en los miembros de la empresa. El apoyo del analista puede resultar crtico. Es importante instalar un sistema bien documentado para aplicar el modelo segn lo establecido por la organizacin. Este sistema casi siempre es una solucin informtica para automatizar la optimizacin del problema. De hecho, con frecuencia se necesitan varios programas integrados.

16

La base de datos y los sistemas de informacin de la organizacin proporcionan entrada actualizada para el modelo cada vez que se use, en cuyo caso se necesitan programas de interfaz (con interaccin con el usuario). Despus de aplicar el procedimiento de solucin al modelo, la implantacin de los resultados se puede hacer de manera automtica. En otros casos se instala un sistema interactivo de ayuda a la toma de decisiones (DSS), para ayudar a la gerencia a usar datos y modelos para apoyar (no para sustituir) su toma de decisiones cuando lo necesiten. Una vez implementada la solucin, debe ser supervisada de forma continua. Dada la naturaleza dinmica y cambiante de la mayora de las empresas, es casi inevitable que haya que realizar cambios en el modelo. El analista debe estar preparado para saber cundo ha llegado el momento de cambiar y para realizar dichos cambios. Las tcnicas que se aplican en la ingeniera informtica y en la investigacin operativa tienen varios aspectos en comn: Tiene como fin mejorar y optimizar el funcionamiento (competitividad). Son aplicables en una gran cantidad de contextos y sectores econmicos (flexibilidad). Proporcionar soluciones a los diferentes componentes de la organizacin con un objetivo global (integracin). Son responsables de cambios drsticos (en ocasiones) y controlados de los procesos que se utilizan (mejora continua). Esta versatilidad de la ingeniera informtica y de la investigacin operativa hace que un ingeniero en informtica con amplios conocimientos de las tcnicas de la investigacin operativa tenga un valor aadido para su futuro profesional. de las organizaciones

17

RESOLUCIN DEL MODELO Tcnicas de investigacin operativa y Aplicaciones.

Las diferentes tcnicas que estn englobadas de tcnicas bajo el nombre

de tcnicas de

investigacin operativa fueron desarrolladas para la resolucin de problemas concretos que determinan sus campos de aplicacin

18

MODELOS DETERMINISTICOS
1.- OPTIMIZACION LINEAL

Optimizacin lineal
Un aspecto predominante de estas preguntas generales era la bsqueda de lo "mejor" o lo "ptimo". Generalmente, los gerentes buscan simplemente lograr alguna mejora en el nivel de rendimiento, es decir, un problema de "bsqueda de objetivo". Cabe destacar que estas palabras normalmente no tienen un significado preciso. Se han realizado grandes esfuerzos por describir complejas situaciones humanas y sociales. Para tener significado, esto debera escribirse en una expresin matemtica que contenga una o ms variables, cuyos valores deben determinarse. La pregunta que se formula, en trminos generales, es qu valores deberan tener estas variables para que la expresin matemtica tenga el mayor valor numrico posible (maximizacin) o el menor valor numrico posible (minimizacin). A este proceso general de maximizacin o minimizacin se lo denomina optimizacin. Definicin La optimizacin, tambin denominada programacin matemtica, sirve para encontrar la respuesta que proporciona el mejor resultado, la que logra mayores ganancias, mayor produccin o felicidad o la que logra el menor costo, desperdicio o malestar. Con frecuencia, estos problemas implican utilizar de la manera ms eficiente los recursos, tales como dinero, tiempo, maquinaria, personal, existencias, etc. Los problemas de optimizacin generalmente se clasifican en lineales y no lineales, segn las relaciones del problema sean lineales con respecto a las variables. Aplicaciones: Existe una serie de paquetes de software para resolver problemas de optimizacin. Por ejemplo, LINDO o WinQSB resuelven modelos de programas lineales y LINGO y What'sBest! resuelven problemas lineales y no lineales.

19

La Programacin Matemtica, en general, aborda el problema de determinar asignaciones ptimas de recursos limitados para cumplir un objetivo dado. El objetivo debe representar la meta del decisor. Los recursos pueden corresponder, por ejemplo, a personas, materiales, dinero o terrenos. Entre todas las asignaciones de recursos admisibles, queremos encontrar la/s que maximiza/n o minimiza/n alguna cantidad numrica tal como ganancias o costos. El objetivo de la optimizacin global es encontrar la mejor solucin de modelos de decisiones difciles, frente a las mltiples soluciones locales. Para formular un problema de PL, recomiendo seguir los siguientes lineamientos generales despus de leer con atencin el enunciado del problema varias veces. Todo programa lineal consta de cuatro partes: un conjunto de variables de decisin, los parmetros, la funcin objetivo y un conjunto de restricciones. Al formular un determinado problema de decisin en forma matemtica, debe practicar la comprensin del problema (es decir, formular un Modelo Mental) leyendo detenidamente una y otra vez el enunciado del problema. Mientras trata de comprender el problema, formlese las siguientes preguntas generales: 1. Cules son las variables de decisin? Es decir, cules con las entradas controlables? Defina las variables de decisin con precisin utilizando nombres descriptivos. Recuerde que las entradas controlables tambin se conocen como actividades controlables, variables de decisin y actividades de decisin. 2. Cules son los parmetros? Vale decir cules son las entradas no controlables? Por lo general, son los valores numricos constantes dados. Defina los parmetros con precisin utilizando nombres descriptivos. 3. Cul es el objetivo? Cul es la funcin objetivo? Es decir, qu quiere el dueo del problema? De qu manera se relaciona el objetivo con las variables de decisin del dueo del problema? Es un problema de maximizacin o minimizacin? El objetivo debe representar la meta del decisor. 4. Cules son las restricciones? Es decir, qu requerimientos se deben cumplir? Debera utilizar un tipo de restriccin de desigualdad o igualdad? Cules son las conexiones entre las variables? Escrbalas con palabras antes de volcarlas en forma matemtica.

20

Recuerde que la regin factible tiene poco o nada que ver con la funcin objetivo (minim. o maxim.). Estas dos partes en cualquier formulacin de PL generalmente provienen de dos fuentes distintas. La funcin objetivo se establece para cumplir con el deseo (objetivo) del decisor mientras que las restricciones que forman la regin factible generalmente provienen del entorno del decisor que fija algunas limitaciones / condiciones para lograr su objetivo. A continuacin, se incluye un problema ilustrativo muy sencillo. Sin embargo, el abordaje del problema es igual para una gran variedad de problemas de toma de decisin, mientras que el tamao o la complejidad pueden variar. El primer ejemplo es un problema de mix de productos y el segundo es un problema de mezcla. 2. PROGRAMACION NO LINEAL O CURVILNEA Bsicamente se ocupa de relaciones no lineales en las que las restricciones y las funciones objetivo pueden tomar casi cualquier forma matemtica. Actualmente no hay un mtodo general para resolver problemas de programacin no lineal, aunque hay algunos tipos especiales que pueden resolverse DEFINICIN: Se considera como tal al conjunto de mtodos utilizados para optimizar una funcin objetivo, sujeta a una serie de restricciones en los que una o ms de las variables incluidas no son lineales.

OBJETIVO: La optimizacin no lineal proporciona informacin fundamental para el anlisis matemtico. Una de las maneras ms fciles para resolver problema de programacin no lineal, consiste en transformarlo en una forma que permita la aplicacin de la programacin lineal.

APLICACIN: Se usa extensamente en las ciencias aplicadas (en campos tales como el diseo de ingeniera, el anlisis de regresin, el control de inventario y en la exploracin geofsica). Una tcnica para la solucin de problemas que no tienen restricciones Lineales, es el Mtodo clsico de optimizacin. Basada en el clculo y en el multiplicador de Lagrange; esta tcnica es un instrumento terico.

21

3.-PROGRAMACION ENTERA O BINARIA

Optimizacin No Lineal
Programacin en enteros. La programacin de en enteros ser la primera de las tcnicas no lineales que se estudien. En la realidad un problema de programacin en enteros es igual a un problema de programacin lineal, a excepcin de las variables que aparezcan en la solucin final. Deben ser nmeros enteros y positivos (0, 1, 2). La utilidad de las tcnicas de programacin en enteros debe ser evidente porque hay muchos recursos indivisibles tales, como maquinaria, camiones y asignacin de trabajadores a las tareas. Es muy tentador redondear la soluciones no enteras en los problemas que comprenden recursos indivisibles, especialmente si el redondeamiento es pequeo con respecto a los valores de las variables de que se trate. Sin embargo ese redondeamiento puede dar por resultado soluciones muy alejadas de la solucin ptima en enteros.

Pasos para un problema de programacin de enteros. 1er: consiste en integrar las restricciones originales de la programacin lineal, lo que requiere la transformacin de las mismas, de modo que todos los coeficientes sean nmeros enteros. 2do: Consiste en resolver el problema empleando el mtodo simplex, de programacin lineal, lo que da una solucin ptima para el problema que no es de enteros. 3ro: consiste en escoger la ecuacin del cuadrado final correspondiente a la variable que tenga la mayor parte fraccionaria. 4to: Consiste en sumar la nueva restriccin como rengln debajo del correspondiente a P1 en el cuadrado modificado.

4.- METODOS CLASICOS Las tcnicas clsicas de optimizacin pueden generalizarse para aplicarse a aquellos casos en que se requiere que las variables no sean negativas, y en las restricciones pueden sr desigualdades. Primordialmente, esas generalidades tienen un valor terico, y ordinariamente no constituyen procedimientos de clculo.

22

5.- MTODOS DE BSQUEDA. La investigacin operacional consiste en la aplicacin del mtodo cientfico, por parte de grupos interdisciplinarios, a problemas de control de sistemas organizativos con la finalidad de encontrar soluciones que atiendan de la mejor manera posible a los objetivos de la organizacin en su conjunto. No se sustituye a los responsables de la toma de decisiones, pero dndoles soluciones al problema obtenidas con mtodos cientficos, les permite tomar decisiones racionales. Puede ser utilizada en la programacin lineal (planificacin del problema); en la programacin dinmica (planificacin de las ventas); en la teora de las colas (para controlar problemas de trnsito). Entre los mtodos utilizados por la investigacin de operaciones (o ciencia de la administracin), los administradores utilizan las matemticas y las computadoras para tomar decisiones racionales en la resolucin de problemas. Aunque estos administradores pueden resolver algunos problemas con su experiencia, ocurre que en el complejo mundo en que vivimos muchos problemas no pueden ser resueltos basndose en la experiencia. Para resolver estos problemas, la investigacin de operaciones los agrupa en dos categoras bsicas: Problemas determinsticos: son aquellos en que la informacin necesaria se conoce para obtener una solucin con certeza; Problemas estocsticos: son aquellos en los que parte de la informacin necesaria no se conoce con certeza, como es el caso de los determinsticos, sino que ms bien se comporta de una manera probabilstica.

23

MTODO DE BSQUEDA DE FIBONACCI.

ste mtodo es bastante eficiente para aproximar, bajo cierta tolerancia de error, un punto mnimo o mximo en funciones unimodales de una sola variable. ste mtodo tiene la gran ventaja, de que, como no utiliza derivadas, puede calcular puntos ptimos en funciones no diferenciables. ste mtodo supone que se conoce un rango inicial de bsqueda y en cada evaluacin, el mtodo tiende a acorralar al punto ptimo.

6.-PROGRAMACION LINEAL Es una tcnica matemtica cuyo objetivo es la determinacin de soluciones ptimas a los problemas econmicos en los que intervienen recursos limitados entre actividades competitivas. Es un mtodo matemtico que permite asignar una cantidad fija de recursos a la satisfaccin de varias demandas, de tal forma que mientras se optimiza algn objetivo, se satisfacen otras condiciones definidas. Objetivo El objetivo es Optimizar, una funcin objetivo, lo cual implica maximizar o minimizar una funcin lineal de varias variables sujeta a: una serie de restricciones limitaciones, expresadas por inecuaciones ecuaciones lineales.

Caractersticas: Externas

- Deben existir varias soluciones para un determinado problema - Se debe fijar algn criterio de decisin - Debe haber interdependencia entre las variables que conforman la funcin objetivo y las restricciones. Internas

- Las variables deben ser de tipo lineal - La funcin objetivo debe ser lineal - Las relaciones de las variables deben ser de tipo lineal.

24

Aplicaciones de la Programacin lineal. Las siguientes son algunas de las aplicaciones de la programacin lineal en la toma de decisiones. Problemas de transporte Problemas de asignacin o distribucin de personal o mquina Problemas de evaluacin de cotizaciones Problemas de anlisis de dietas. Problemas de mezclas ptimas. Problemas de Produccin

Otras Aplicaciones

Se aplica a problemas de economa, administracin, militares, agrcolas, alimenticios, de transporte, de salud, etc., que estn relacionados con la optimizacin, maximizacin minimizacin de una funcin objetivo sujeta a un sistema de igualdades o desigualdades. Las funciones de ganancia y de costo son ejemplos de funciones objetivos. La Programacin Lineal presenta un gran nmero de aplicaciones en multitud de mbitos empresariales, industriales, de gestin y en general, de toma de decisiones.

SELECCIN DE MEDIOS PUBLICITARIOS

La Programacin Lineal se utiliza en el campo del marketing y la publicidad como una herramienta que nos permite determinar cul es la combinacin ms efectiva de medios para anunciar nuestros productos.

ESTUDIOS DE MERCADO

La programacin lineal es aplicable tambin a la investigacin de mercados. Supongamos que pretendemos realizar una encuesta para determinar la opinin de los espaoles acerca del problema de la inmigracin

25

COMBINACIN PTIMA DE BIENES

A menudo las tcnicas de PL permiten decidir sobre la cantidad ms adecuada que una empresa debe producir de cada uno de sus productos a fin maximizar los beneficios sin dejar de cumplir con unos determinados requisitos (financieros, de demanda, contractuales, de disponibilidad de materias primas, etc.). ASIGNACIN DE TRABAJOS

El objetivo aqu ser asignar de la forma ms eficiente posible un trabajo a cada empleado o mquina. El objetivo puede ser bien minimizar los tiempos o costes de desplazamiento, o bien maximizar la efectividad de las asignaciones.

PLANIFICACION DE HORARIOS

La aplicacin de la PL a este tipo de problemas resulta especialmente til cuando los directivos disponen de cierta flexibilidad a la hora de asignar tareas a empleados polifuncionales. Un sector tpico donde se hace uso de la PL para tomar decisiones sobre planificacin de horarios son las entidades bancarias

SELECCIN DE UNA CARTERA DE VALORES

El objetivo de estos directivos es maximizar los beneficios esperados de estas inversiones, las cuales se ven sometidas a un conjunto de restricciones, algunas legales y otras provenientes de la propia empresa (como puede ser el nivel de riesgo que se desea asumir o la cantidad mxima que se permite invertir).

El PROBLEMA DE LA DIETA

Este problema representa una de las primeras aplicaciones de la PL, y comenz a utilizarse en los hospitales para determinar la dieta ms econmica con la que alimentar a los pacientes a partir de unas especificaciones nutritivas mnimas. En la actualidad tambin se aplica con xito en el

26

mbito agrcola con la misma idea de encontrar la combinacin ptima de alimentos que, logrando un aporte nutritivo mnimo, suponga el menor coste posible.

7. MODELOS DE TRANSPORTE El origen de modelos de transporte data de 1941, cuando F.L.H Hitchcock present un estudio titulado de The Distribution Of a Product from Several Sources to Numerous Localities, que se considera como la primera contribucin importante para la solucin de los problemas de transportes. En 1947 T.C. K oopmans present u estudio, no relacionado con el Hitchcock, llamado Optimum Utilization of the Transportation System. Esas dos contribuciones han ayudado al desarrollo de los modelos de transporte que comprende muchos sitios de embarque y muchos puntos de destino. OBJETIVO El objetivo del Modelo Lineal de Transporte es la formulacin matemtica de una meta establecida. Es una funcin Lineal a ser maximizada o minimizada. En el modelo original de transporte representa los costos totales de transporte a ser minimizados. Las caractersticas que hacen del Modelo Lineal de Transporte un modelo de programacin lineal especial son: a) Los coeficientes de las variables, en las restricciones, son uno o cero. b) Las cantidades demandadas deben ser iguales a las cantidades ofrecidas para poder solucionar el modelo. El producto a transportar debe ser nico y homogneo. Si se ofrece cemento, por ejemplo, la demanda debe ser de cemento, es decir, un producto nico. Si se ofrecen sacos de cemento la demanda debe ser de sacos de cemento y no a granel, es decir, es homogneo. En caso de multiproductos, se puede hacer una multi-formulacin. En la Formulacin y Construccin del Modelo Lineal de Transporte deben considerarse aspectos ya estudiados en la formulacin de modelos lineales generales tales como a) Definir claramente las variables de decisin y expresarlas simblicamente b) Definir claramente la

27

NOTA: Debe recordarse que las cifras, las unidades monetarias y cualquier otro dato utilizado en los ejemplos, son convencionales. Pueden o no coincidir con datos reales. REQUISITOS. 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. APLICACIN DEL MODELO DE TRANSPORTE El modelo de transporte busca determinar un plan de transporte de una mercanca de varias fuentes a varios destinos. Los datos del modelo son: 1. 2. Nivel de oferta en cada fuente y la cantidad de demanda en cada destino. El costo de transporte unitario de la mercanca a cada destino.

Como solo hay una mercanca un destino puede recibir su demanda de una o ms fuentes. El objetivo del modelo es el de determinar la cantidad que se enviar de cada fuente a cada destino, tal que se minimice el costo del transporte total. La suposicin bsica del modelo es que el costo del transporte en una ruta es directamente proporcional al nmero de unidades transportadas. La definicin de unidad de transporte variar dependiendo de la mercanca que se transporte

8. PROBLEMAS DE REDES Los problemas de redes surgen en gran variedad de situaciones. Son problemas que pueden representarse mediante un grafo y que en general disponen de un algoritmo especfico para obtener la solucin ptima. Dicho algoritmo saca partido de la estructura especial del problema. Aplicaciones de los modelos de redes: Problema de transporte Problema de asignacin

28

Problema de la ruta ms corta Problema del rbol de expansin mnima: diseo de redes de telecomunicaciones, redes de transporte,..

Problema del flujo mximo (a coste Mnimo): maximizar el flujo de una red de transmisin de datos.

MODELOS DE REDES Hay una multitud de situaciones, en investigacin de operaciones, que se pueden moldear y resolver como redes (Nodos conectados por ramas).algunas encuestas recientes informan que hasta el 70% de problemas de programacin matemtica en el mundo real se pueden representar como modelos relacionados con redes.

Aplicaciones: La lista siguiente ilustra algunas aplicaciones posibles de las redes: 1. Diseo de una red de gasoductos marinos para conectar bocas de pozos en el golfo de Mxico un punto de entrega en tierra. El objetivo del modelo es minimizar el costo de construccin del gasoducto. 2. Determinacin de la ruta ms corta entre dos ciudades en una red de carreteras. 3. Determinacin de la capacidad mxima (en toneladas anuales) de una red de tuberas para lodo de carbn que une las mismas en Wyoming con las centrales elctricas en Houston. (las tuberas de lodo de carbn transportan el carbn suspendido en agua atraves de tubos de diseo especial.) 4. Determinacin del programa de flujo con un costo mnimo desde los campos petroleros hasta las refineras a travs de una red de oleoductos. 5. Determinacin del cronograma (fechas de inicio y terminacin) de las actividades en la construccin de un proyecto.

La solucin de esas situaciones y otras parecidas se logran con una variedad de algoritmos de optimizacin de redes. Se presenta 5 de esos algoritmos: 1. rbol de expansin mnima (situacin 1).
29

2. Algoritmo de la ruta ms corta (situacin 2). 3. Algoritmo del flujo mximo (situacin 3). 4. Algoritmo de red capacitada con costo mnimo (situacin 4). 5. Algoritmo de la ruta crtica (situacin 5)

Las situaciones en las que se pueden aplicar estos algoritmos tambin se pueden formular y resolver en forma de programas lineales explcitos. Sin embargo, los algoritmos propuestos, basado en redes, son ms eficientes que mtodos simplex.

MODELOS HBRIDOS
1.- GESTIN DE PROYECTOS (PERT/CPM) Son tcnicas que permiten planificar, programar y controlar proyectos, entendiendo como proyecto la realizacin de una actividad compleja susceptible de descomponerse en tareas ms pequeas relacionadas entre s en cuanto su orden de ejecucin. Aplicaciones de la gestin de proyectos: Obtencin del plazo ptimo de entrega de un proyecto Estudio de la relacin entre el plazo de entrega y coste del proyecto. Es un contexto de recursos limitados, obtener un calendario de ejecucin factible de ser ejecutado con los recursos disponibles en la organizacin. Permitir realizar un seguimiento y un controlon-line del proyecto.

2.- PROGRAMACIN DINMICA La programacin dinmica es una tcnica que permite determinar de manera eficiente las decisiones que optimizan el comportamiento de un sistema que evoluciona a lo largo de una serie de etapas. En otras palabras, trata de encontrar la secuencia de decisiones que optimiza el comportamiento de un proceso.
30

La programacin dinmica (PD) determina la solucin ptima de un problema de n variables descomponindola en n etapas, con cada etapa incluyendo un subproblema de una sola variable. La ventaja en el aspecto de los clculos es que optimizaremos una sola variable

Existen dos tipos de de Programacin Dinmica existente: Programacin Dinmica NO HOMOGENEA frente a Programacin Dinmica HOMOGENEA en el tiempo. Para este ltimo caso, podremos plantearnos encontrar la solucin para horizonte finito o para horizonte infinito. Programacin Dinmica DETERMINISTA, frente a Programacin Dinmica

ALEATORIA. En este caso es interesante destacar que las cadenas de Markov con remuneracin y decisin son un caso particular de Programacin Dinmica aleatoria homognea en el tiempo

OBJETIVO El objetivo de la Programacin Dinmica es de encontrar cual es la poltica ptima para cada una de las etapas de la evolucin del sistema. La poltica para una determinada etapa es la decisin ptima en cada uno de los posibles estados del sistema en dicha etapa

APLICACIONES DE LA PROGRAMACION DINAMICA Modelo De La Ruta Ms Corta

El problema de la ruta ms corta incluye un juego de nodos conectados donde slo un nodo es considerado como el origen y slo un nodo es considerado como el nodo destino. El objetivo es determinar un camino de conexiones que minimizan la distancia total del origen al destino. Se trata de encontrar la ruta de menor distancia, o costo, a entre el punto de partida o nodo inicial y el destino o nodo terminal.
31

Modelo De Volumen-Carga Mochila

El modelo de la mochila tiene que ver con el caso de un soldado (o un montaista) que debe decidir cules son los artculos ms valiosos que debe llevar en su mochila. Este problema parafrasea un modelo general de asignacin de recursos en el que un solo recurso limitado se asigna a varias alternativas (por ejemplo, fondos limitados asignados a proyectos) con objeto de maximizar el ingreso total. Al problema de la mochila tambin se le llama problema de conjunto de fuga o equipo de vuelo, en el que un piloto de avin a reaccin debe determinar los artculos ms valiosos (de emergencia) que debe llevar a bordo. Y el problema de carga de flete o del contenedor, en el que un barco con capacidad limitada de volumen o peso se carga con los fletes ms valiosos.

Modelo Del Nmero De Empleados

En Algunos proyectos de construccin, las contrataciones y los despidos se ejercen para mantener un nmero de empleados que satisfaga las necesidades del proyecto. Debido a que las actividades de contratacin como de despido incurren en costos adicionales

Modelo De Reemplazo De Equipos

Mientras ms tiempo este en servicio una mquina, ms elevado ser su costo de mantenimiento y su produccin ser menor. Cuando una maquina llega a cierta edad puede ser ms econmico reemplazarla. Por consiguiente el problema se reduce a determinar la edad ms econmica de la maquina

32

Modelo De Inventarios

Comnmente los inventarios estn relacionados con la mantencin de cantidades suficientes de bienes (insumos, repuestos, etc.), que garanticen una operacin fluida en un sistema o actividad comercial. La forma efectiva de manejar los inventarios es minimizando su impacto adverso, encontrando un punto medio entre la poca reserva y el exceso de reserva

3.- CONTROL DE INVENTARIOS Los primeros intentos de desarrollo de una teora de inventario se centraron en el problema de determinar la dimensin econmica los lotes en la compra o en la produccin. OBJETIVO El objetivo final de cualquier modelo de inventarios es el dar respuesta a dos preguntas: Qu cantidad de artculos deben pedirse? Cundo debe pedirse? Tienen como caractersticas resolver problemas de logstica de almacenes, relacionado con dos decisiones: -Cunto ha de pedirse en cada ocasin?, y -Cundodebe pedirse dicha cantidad? De modo que se minimice el coste total. Se obtiene el modelo de eficacia que permita el equilibrio entre los costes de compra y los deterioro de inventarios.se determinan los costes de mantenimiento de inventario, coste de ordenar, coste unitario de falta de stock. En resumen, se puede decir que la teora de inventario llevada a gestin de inventarios tiene dos objetivos:
33

-. Minimizar costos -.Prestar un servicio adecuado

APLICACIONES DE LA TEORA DE INVENTARIOS: La compra ptima de proveedores La produccin deseada con los costes mnimos de inventarios La programacin de la produccin, relacionado con el coste total de produccin, con el nivel deseado de servicio a clientes Tener el nivel ptimo de existencias de seguridad, previniendo cualquier ruptura de existencias durante el ao. Considerar la cantidad econmica de ordenar un pedido, en el punto exacto en que deba pedirse. Tiempo entre pedidos.

Las respuestas a las preguntas de Cunto pedir? Y Cundo pedir? Se basa en minimizar el siguiente modelo de costo:
Costo total de inventario. = Costo de compra + Costo de preparacin + Costo de almacenamiento + Costo faltante

Todos esos costos se deben expresar en la cantidad econmica de pedido (cunto debe pedir?) y el tiempo entre los pedidos (Cundo pedir?) 1. El costo de compra se basa en el precio por unidad del artculo. Puede ser constante, o puede ofrecerse con descuentos. 2. El costo de preparacin representa el costo fijo incurrido cuando se coloca un pedido. Es independiente de la cantidad pedida. 3. El costo de almacenamiento o de posesin representa el costo de mantener una existencia de inventario. Comprende el inters sobre el capital y el costo de almacenamiento, mantenimiento y manejo.

34

4. El costo de faltante es la penalizacin en que se incurre cuando se terminan las existencias. Incluye la perdida potencial de ingresos y el costo, mas subjetivo, de perdida de la buena voluntad del cliente.

4.-SIMULACION La simulacin puede definirse como la representacin de un fenmeno que sucede en el mundo real mediante un modelo matemtico que iguale los resultados obtenidos con el a los valores reales. OBJETIVO: Nos permite recopilar informacin pertinente acerca del comportamiento del sistema al paso del tiempo. Se usa para estimar las mediciones del desempeo de un sistema modelado Este proceso requiere el uso de la computadora para la resolucin de problemas aplicando uno o ms procesos de IO, para dar una serie de alternativas. La computadora muestra los resultados (generados por nmeros aleatorios), que podran haberse obtenido si se hubieran usado ciertas lneas de criterios de decisin. APLICACIN DE LA SIMULACIN: Integracin de los esfuerzos de mercado, combinacin de productos, distribucin, sumado a una perfecta sincronizacin de esfuerzos, empleando un simulador de mercados Analizar los lugares ptimos donde deban situarse los almacenes que permita minimizar los costes de distribucin. Evaluar las alternativas de inversin ms rentables de la empresa. Simular reglas de decisin de operaciones de fabricacin, que lleven a la programacin y el control efectivo de la produccin.

35

5. HEURSTICOS.

DEFINICIN:
Cuando no es posible del todo o es muy complejo encontrar una solucin ptima, o el procedimiento del clculo es ineficiente, entonces se recurre a procedimientos sistemticos que reducen el esfuerzo necesario para encontrar una solucin satisfactoria. Aunque no necesariamente esta solucin es ptima. Este tipo de procedimientos se conocen con el nombre de modelos heursticos y corresponden tanto a modelos determinsticos como a probabilsticos.

MODELOS ESTOCASTICOS
MODELOS ESTOCASTICOS Son aquellos que se basan en probabilidades en cuanto a la informacin que usan como datos.

1.- TEORA DE COLAS. La primera investigacin terica importante acerca de este tema se llev a cabo en 1909 A.K Erlang- Copenhague Telephone Co; quien experiment con un problema relacionado con la congestin del trfico telefnico. Esta teora, llamada tambin lneas de espera, se ocupa de las llegadas aleatorias o una instalacin de servicio o de procesamiento de capacidad limitada. Objetivo: El objetivo de la mayor parte de las investigaciones de colas consiste en modificar el sistema para hacerlo ms eficiente. Su caracterstica es el nmero de clientes que llega a solicitar cierto servicio, segn funciones de distribucin probabilsticas tanto en tiempos de llegada del cliente, como del servicio de la lnea de espera del centro del servicio. La cola se generar en funcin del tiempo promedio de llegada y el tiempo promedio de servicio. Las decisiones a tomar en cuenta son:
36

Cul es el nmero de instalaciones que debern operar para que mejore el servicio a los clientes? Teniendo en cuenta el tiempo promedio que pasa los clientes en el sistema, el tiempo promedio de espera en el servicio, Aplicaciones de los modelos de teoras de colas: -nmero ptimo de cajas de pago y determinacin del personal. -nmero de servidores, procesadores, etc. Para que el rendimiento del sistema informtico sea ptimo. -evaluacin de retrasos en el servicio. -costes de operacin Otros ejemplos de la teora de colas son: -Llamadas telefnicas a una central -Aviones que piden pista para aterrizar o despegar -Maquinas que requieren la atencin de un operador -Puntos en una fase de procesos industriales que precisan la entrada en la siguiente fase del mismo. Proceso de sustitucin o reemplazo (fiabilidad) Operacin que puede realizarse de manera preventiva o correctiva, ya sea por vejez, desgaste, o por fallo general de un componente de un sistema. Aplicaciones de fiabilidad: Poder adquirir mquinas y/o equipo de innovacin tecnolgica que permita optimizar los recursos humanos, evitando as el mantenimiento del tipo correctivo. Evaluar la conveniencia para la organizacin el tener un equipo que sea de uso ocasional, quizs sea ms rentable, alquilarlo durante cierto tiempo.

37

Si la maquina falla con frecuencia no se utiliza resultar conveniente venderla o recuperar parte de su inversin, comercializndola como chatarra.

2. PROGRAMACIN ESTOCSTICA:
Tiene que ver con situaciones en las que algunos o todos los parmetros del problema son variables aleatorias. Esos son casos tpicos de la vida real, donde puede ser difcil determinar con certidumbre los valores de los parmetros. Los modelos probabilistas producen entonces informacin llamada emprica o experimental, por lo que se hace necesario hacer uso del proceso de inferencia entenderemos el proceso de dar respuesta generalizada a partir de datos experimentales.

Objetivo: La idea de la programacin estocstica es convertir el problema probabilstico en un caso determinstico equivalente.

3. TEORAS DE JUEGOS Objetivo: Tiene como caractersticas al menos dos competidores que tienen varias acciones a seleccionar.El fin es determinar la seleccin siguiente de acuerdo a probabilidades, teniendo en cuenta la primera seleccin de los competidores. Cada combinacin de las decisiones de los contrincantes tiene un valor esperado del juego. Cul es la decisin que optimiza el juego o competencia? Aplicaciones de la teora de Juegos: Conocer de manera fiable la lealtad de los clientes de la empresa frente a la aparicin de otra marca u otro producto. Medir la efectividad de las campaas publicitarias en comparacin con las anteriores llevadas a cabo.

38

4. CADENAS DE MARKOV Objetivo: El anlisis de Markov es una forma de estudiar el movimiento actual de alguna variable, a fin de pronosticar su movimiento futuro. Este mtodo ha comenzado a usarse en los ltimos aos como instrumento de investigacin de mercadotecnia, para examinar y pronosticar el comportamiento de los clientes desde el punto de vista de su lealtad a una marca y de su forma de cambios a otras. Son una herramienta para analizar el comportamiento y el gobierno de determinados tipos de procesos estocsticos, esto es, procesos que evolucionan de forma no determinista a lo largo del tiempo en torno a un conjunto de estados. Una cadena de Markov, por tanto, representa un sistema que vara su estado a lo largo del tiempo, siendo cada cambio una transicin del sistema. Dichos cambios no estn predeterminados, aunque s lo est la probabilidad del prximo estado en funcin de los estados anteriores, probabilidad que es constante a lo largo del tiempo (sistema homogneo en el tiempo). Para definir una cadena de Markov finita hace falta determinar por lo tanto los siguientes elementos: a) Un conjunto de estados del sistema. b) La definicin de transicin c) Una Ley de Probabilidad Condicional, que defina la probabilidad del nuevo estado en funcin de los anteriores. Aplicaciones de las cadenas de Markov. Las principales aplicaciones son: Actividades militares Administracin de recursos Mercadotecnia Formas de optimizar la produccin.

39

Fsica Las cadenas de Markov son usadas en muchos problemas de la termodinmica y la fsica estadstica. Ejemplos importantes se pueden encontrar en la Cadena de Ehrenfest o el modelo de difusin de Laplace.

Meteorologa Si consideramos el clima de una regin a travs de distintos das, es claro que el estado actual solo depende del ltimo estado y no de toda la historia en s, de modo que se pueden usar cadenas de Markov para formular modelos climatolgicos bsicos. Modelos epidemiolgicos Una importante aplicacin de las cadenas de Markov se encuentra en el proceso Galton-Watson. ste es un proceso de ramificacin que se puede usar, entre otras cosas, para modelar el desarrollo de una epidemia (vase modelaje matemtico de epidemias). Simulacin Las cadenas de Markov son utilizadas para proveer una solucin analtica a ciertos problemas de simulacin tales como el Modelo M/M/1.

Juegos de azar Son muchos los juegos de azar que se pueden modelar a travs de una cadena de Markov. El modelo de la ruina del jugador, que establece la probabilidad de que una persona que apuesta en un juego de azar finalmente termine sin dinero, es una de las aplicaciones de las cadenas de Markov en este rubro.

Economa y Finanzas Las cadenas de Markov se pueden utilizar en modelos simples de valuacin de opciones para determinar cundo existe oportunidad de arbitraje, as como en el modelo de colapsos de una bolsa de valores o para determinar la volatilidad de precios. En los negocios, las cadenas de Mrkov se han utilizado para analizar los patrones de compra de los deudores morosos, para planear las necesidades de personal y para analizar el reemplazo de equipo.

40

CONCLUSIN
La metodologa de la investigacin, debe ser considerada como una disciplina auxiliar y no autnoma. Los estudiantes deben ser iniciados en este tipo de actividad para que se familiaricen con el mtodo del trabajo cientfico. La investigacin de operaciones proporciona la oportunidad de que sus resultados se utilicen en la toma de decisiones a niveles administrativos superiores, medianos y bajos. La contribucin del enfoque de Investigacin de Operaciones proviene principalmente de: 1. La estructuracin de una situacin de la vida real como un modelo matemtico, logrando una abstraccin de los elementos esenciales para que pueda buscarse una solucin que concuerde con los objetivos del tomador de decisiones. Esto implica tomar en cuenta el problema dentro del contexto del sistema completo. 2. El anlisis de la estructura de tales soluciones y el desarrollo de procedimientos sistemticos para obtenerlas. 3. El desarrollo de una solucin, incluyendo la teora matemtica si es necesario, que lleva al valor ptimo de la medida de lo que se espera del sistema (o quiz que compare los cursos de accin opcionales evaluando esta medida para cada uno). Entonces, la Investigacin de Operaciones se aplica a problemas que se refieren ala conduccin y coordinacin de operaciones o actividades dentro de una organizacin. La naturaleza de la organizacin es esencialmente inmaterial y, de hecho, la Investigacin de Operaciones se ha aplicado en los negocios, la industria, la milicia, el gobierno, los hospitales, etc. As, la gama de aplicaciones es extraordinariamente amplia. Casi todas las organizaciones ms grandes del mundo (alrededor de una docena) y una buena proporcin de las industrias ms pequeas cuentan con grupos bien establecidos de Investigacin de Operaciones. Muchas industrias, incluyendo la area y de proyectiles, la automotriz, la de comunicaciones, computacin, energa elctrica, electrnica, alimenticia, metalrgica, minera, del papel, del petrleo y del transporte, han empleado la Investigacin de Operaciones. Las instituciones financieras, gubernamentales y de salud estn incluyendo cada vez ms estas tcnicas.
41

BIBLIOGRAFIA
Autor: Prawda Juan, Libro: Mtodos y modelos de investigacin de operaciones, Limusa Mxico 2004

Autor: S. Hillier Frederick y J. Lieberman Gerald Libro: Introduccin a La Investigacin De Operaciones Editorial: McGraw- Hill interamericana, editores 1997

Autor: Taha Hamdy A Libro: Investigacin de operaciones Pearson Prentice Hall 7 edicin Mxico 2004

Autor :Taha Libro: Investigacin de operaciones Alfaomega 5 Edicin Mxico1995

Autor : Hillier, F.Sand Lieberman Libro: Introduccin a la investigacin de operaciones McGraw-Hill Sptima edicin Mxico (2001).

42

Autor Pilar Tormos Juan y Loba Ruiz Antonio Libro: Investigacin operativa para ingenieros Universidad politcnica de valencia, 2003.

43