Tema N 2: METODOLOGIA DE LA INVESTIGACION DE OPERACIONES

2.1 Definicin del problema y recoleccin de datos

La mayor parte de los problemas prcticos con los que se enfrenta el equipo IO estn descritos
inicialmente de una manera vaga. Por consiguiente, la primera actividad que se debe realizar es el
estudio del sistema relevante y el desarrollo de un resumen bien definido del problema que se va a
analizar. Esto incluye determinar los objetivos apropiados, las restricciones sobre lo que se puede
hacer, las interrelaciones del rea bajo estudio con otras reas de la organizacin, los diferentes
cursos de accin posibles, los lmites de tiempo para tomar una decisin, etc. Este proceso de
definir el problema es crucial ya que afectar en forma significativa la relevancia de las
conclusiones del estudio. Es difcil extraer una respuesta "correcta" a partir de un problema
"equivocado"!
Por su naturaleza, la investigacin de operaciones se encarga del bienestar de toda la
organizacin, no slo de algunos de sus componentes. Un estudio de IO busca soluciones ptimas
globales y no soluciones subptimas aunque sean lo mejor para uno de los componente. Entonces,
idealmente, los objetivos que se formulan deben coincidir con los de toda la organizacin. Sin
embargo, esto no siempre es conveniente. Muchos problemas interesan nada ms a una parte de
la organizacin, de manera que el anlisis sera innecesariamente besado si los objetivos fueran
muy generales y si se prestara atencin especial a todos los efectos secundarios sobre el resto de
la organizacin. En lugar de ello, los objetivos usados en un estudio deben ser tan especficos
como sea posible, siempre y cuando contemplen las metas principales del tomador de decisiones y
mantengan un nivel razonable de consistencia con los objetivos de los altos niveles.
Las condiciones fundamentales para que exista un problema es que se establezca una diferencia
entre lo que es (situacin actual) y lo que debe ser (situacin deseada u objetivo) y adems exista
cuando menos una forma de eliminar o disminuir esa diferencia. Los componentes de un problema
son: a) el tomador de decisiones o ejecutivo; b) los objetivos de la organizacin; c) el sistema o
ambiente en el que se sita el problema; d) Los cursos de accin alternativos que se pueden tomar
para resolverlo.
Para formular un problema se requiere; a) identificar las componentes y variables controlables y no
controlables del sistema; b) identificar los posibles cursos de accin, determinados por las
componentes controlables; c) definir el marco de referencia dado por las componentes no
controlables; d) definir los objetivos que se busca alcanzar y clasificarlos por orden de importancia;
e) identificar las interpelaciones importantes entre las diferentes partes del sistema y encontrar las
restricciones que existen.
2.2 Formulacin de un modelo matemtico
Una vez definido el problema del tomador de decisiones, la siguiente etapa consiste en
reformularlo de manera conveniente para su anlisis. La forma convencional en que la
investigacin de operaciones realiza esto es construyendo un modelo matemtico que represente
la esencia del problema.
El modelo matemtico est constituido por relaciones matemticas (ecuaciones y desigualdades)
establecidas en trminos de variables, que representa la esencia el problema que se pretende
solucionar.
Para construir un modelo es necesario primero definir las variables en funcin de las cuales ser
establecido. Luego, se procede a determinar matemticamente cada una de las dos partes que
constituyen un modelo: a) la medida de efectividad que permite conocer el nivel de logro de los
objetivos y generalmente es una funcin (ecuacin) llamada funcin objetivo; b) las limitantes del
problema llamadas restricciones que son un conjunto de igualdades o desigualdades que
constituyen las barreras y obstculos para la consecucin del objetivo.

Un modelo siempre debe ser menos complejo que el problema real, es una aproximacin abstracta
de la realidad con consideraciones y simplificaciones que hacen ms manejable el problema y
permiten evaluar eficientemente las alternativas de solucin.
Los modelos matemticos tienen muchas ventajas sobre una descripcin verbal del problema. Una
ventaja obvia es que el modelo matemtico describe un problema en forma mucho ms concisa.
Esto tiende a hacer que toda la estructura del problema sea ms comprensible y ayude a revelar
las relaciones importantes entre causa y efecto. De esta manera, indica con ms claridad que
datos adicionales son importantes para el anlisis. Tambin facilita simultneamente el manejo del
problema en su totalidad y el estudio de todas sus interpelaciones. Por ltimo, un modelo
matemtico forma un puente para poder emplear tcnicas matemticas y computadoras de alto
poder, para analizar el problema. Sin duda, existe una amplia disponibilidad de paquetes de
software para muchos tipos de modelos matemticos, para micro y minicomputadoras.
Por otro lado, existen obstculos que deben evitarse al usar modelos matemticos. Un modelo es,
necesariamente, una idealizacin abstracta del problema, por lo que casi siempre se requieren
aproximaciones y suposiciones de simplificacin si se quiere que el modelo sea manejable
(susceptible de ser resuelto). Por lo tanto, debe tenerse cuidado de que el modelo sea siempre una
representacin vlida del problema. El criterio apropiado para juzgar la validez de un modelo es el
hecho de si predice o no con suficiente exactitud los efectos relativos de los diferentes cursos de
accin, para poder tomar una decisin que tenga sentido. En consecuencia, no es necesario incluir
detalles sin importancia o factores que tienen aproximadamente el mismo efecto sobre todas las
opciones. Ni siquiera es necesario que la magnitud absoluta de la medida de efectividad sea
aproximadamente correcta para las diferentes alternativas, siempre que sus valores relativos (es
decir, las diferencias entre sus valores) sean bastante preciso. Entonces, todo lo que se requiere
es que exista una alta correlacin entre la prediccin del modelo y lo que ocurre en la vida real.
Para asegurar que este requisito se cumpla, es importante hacer un nmero considerable de
pruebas del modelo y las modificaciones consecuentes. Aunque esta fase de pruebas se haya
colocado despus en el orden del libro, gran parte del trabajo de validacin del modelo se lleva a
cabo durante la etapa de construccin para que sirva de gua en la obtencin del modelo
matemtico.
2.3 Obtencin de una solucin a partir del modelo
Resolver un modelo consiste en encontrar los valores de las variables dependientes, asociadas a
las componentes controlables del sistema con el propsito de optimizar, si es posible, o cuando
menos mejorar la eficiencia o la efectividad del sistema dentro del marco de referencia que fijan los
objetivos y las restricciones del problema.
La seleccin del mtodo de solucin depende de las caractersticas del modelo. Los
procedimientos de solucin pueden ser clasificados en tres tipos: a) analticos, que utilizan
procesos de deduccin matemtica; b) numricos, que son de carcter inductivo y funcionan en
base a operaciones de prueba y error; c) simulacin, que utiliza mtodos que imitan o, emulan al
sistema real, en base a un modelo.
Muchos de los procedimientos de solucin tienen la caracterstica de ser iterativos, es decir buscan
la solucin en base a la repeticin de la misma regla analtica hasta llegar a ella, si la hay, o cuando
menos a una aproximacin.
2.4 Prueba del modelo
El desarrollo de un modelo matemtico grande es anlogo en algunos aspectos al desarrollo de un
programa de computadora grande. Cuando se completa la primera versin, es inevitable que
contenga muchas fallas. El programa debe probarse de manera exhaustiva para tratar de encontrar
y corregir tantos problemas como sea posible. Eventualmente, despus de una larga serie de
programas mejorados, el programador (o equipo de programacin) concluye que el actual da, en
general, resultados razonablemente vlidos. Aunque sin duda quedarn algunas fallas ocultas en el

programa (y quiz nunca se detecten, se habrn eliminado suficientes problemas importantes

como para que sea confiable utilizarlo.
De manera similar, es inevitable que la primera versin de un modelo matemtico grande tenga
muchas fallas. Sin duda, algunos factores o interpelaciones relevantes no se incorporaron al
modelo y algunos parmetros no se estimaron correctamente. Esto no se puede eludir dada la
dificultad de la comunicacin y la compresin de todos los aspectos y sutilezas de un problema
operacional complejo, as como la dificultad de recolectar datos confiables. Por lo tanto, antes de
usar el modelo debe probarse exhaustivamente para intentar identificar y corregir todas las fallas
que se pueda. Con el tiempo, despus de una larga serie de modelos mejorados, el equipo de IO
concluye que el modelo actual produce resultados razonablemente vlidos. Aunque sin duda
quedarn algunos problemas menores ocultos en el modelo (y quiz nunca se detecten), las fallas
importantes se habrn eliminado de manera que ahora es confiable usar el modelo. Este proceso
de prueba y mejoramiento de un modelo para incrementar su validez se conoce como validacin
del modelo.
Debido a que el equipo de IO puede pasar meses desarrollando todas las piezas detalladas del
modelo, es sencillo "no ver el bosque por buscar los rboles". Entonces, despus de completar los
detalles ("los rboles") de la versin inicial del modelo, una buena manera de comenzar las
pruebas es observarlo en forma global ("el bosque") para verificar los errores u omisiones obvias.
El grupo que hace esta revisin debe, de preferencia, incluir por lo menos a una persona que no
haya participado en la formulacin. Al examinar de nuevo la formulacin del problema y comprarla
con el modelo pueden descubrirse este tipo de errores. Tambin es til asegurarse de que todas
las expresiones matemticas sean consistentes en las dimensiones de las unidades que emplean.
Adems, puede obtenerse un mejor conocimiento de la validez del modelo variando los valores de
los parmetros de entrada y/o de las variables de decisin, y comprobando que los resultados del
modelo se comporten de una manera factible. Con frecuencia, esto es especialmente revelador
cuando se asignan a los parmetros o a las variables valores extremos cercanos a su mximo o a
su mnimo.
Un enfoque ms sistemtico para la prueba del modelo es emplear una prueba retrospectiva.
Cuando es aplicable, esta prueba utiliza datos histricos y reconstruye el pasado para determinar si
el modelo y la solucin resultante hubieran tenido un buen desempeo, de haberse usado. La
comparacin de la efectividad de este desempeo hipottico con lo que en realidad ocurri, indica
si el uso del modelo tiende a dar mejoras significativas sobre la prctica actual. Puede tambin
indicar reas en las que el modelo tiene fallas y requiere modificaciones. Lo que es ms, el
emplear las alternativas de solucin y estimar sus desempeos histricos hipotticos, se pueden
reunir evidencias en cuanto a lo bien que el modelo predice los efectos relativos de los diferentes
cursos de accin.
Cuando se determina que el modelo y la solucin no son vlidos, es necesario iniciar nuevamente
el proceso revisando cada una de las fases de la metodologa de la investigacin de operaciones.

2.5 Establecimiento de controles sobre la solucin

Una solucin establecida como vlida para un problema, permanece como tal siempre y cuando las
condiciones del problema tales como: las variables no controlables, los parmetros, las relaciones,
etc., no cambien significativamente. Esta situacin se vuelve ms factible cuando algunos de los
parmetros fueron estimados aproximadamente. Por lo anterior, es necesario generar informacin
adicional sobre el comportamiento de la solucin debido a cambios en los parmetros del modelo.
Usualmente esto se conoce como anlisis de sensibilidad. En pocas palabras, esta fase consiste
en determinar los rangos de variacin de los parmetros dentro de los cuales no cambia la solucin
del problema.
2.6 Implantacin de la solucin
El paso final se inicia con el proceso de "vender" los hallazgos que se hicieron a lo largo del
proceso a los ejecutivos o tomadores de decisiones. Una vez superado ste obstculo, se debe
traducir la solucin encontrada a instrucciones y operaciones comprensibles para los individuos
que intervienen en la operacin y administracin del sistema. La etapa de implantacin de una
solucin se simplifica en gran medida cuando se ha propiciado la participacin de todos los
involucrados en el problema en cada fase de la metodologa. Preparacin para la aplicacin del
modelo
Esta etapa es crtica, ya que es aqu, y slo aqu, donde se cosecharn los beneficios del estudio.
Por lo tanto, es importante que el equipo de IO participe, tanto para asegurar que las soluciones del
modelo se traduzcan con exactitud a un procedimiento operativo, como para corregir cualquier
defecto en la solucin que salga a la luz en este momento.
El xito de la puesta en prctica depende en gran parte del apoyo que proporcionen tanto la alta
administracin como la gerencia operativa. La buena comunicacin ayuda a asegurar que el
estudio logre lo que la administracin quiere y por lo tanto merezca llevarse a la prctica. Tambin
proporciona a la administracin el sentimiento de que el estudio es suyo y esto facilita el apoyo
para la implantacin.
La etapa de implantacin incluye varios pasos. Primero, el equipo de investigacin de operaciones
de una cuidadosa explicacin a la gerencia operativa sobre el nuevo sistema que se va a adoptar y
su relacin con la realidad operativa. En seguida, estos dos grupos comparten la responsabilidad
de desarrollar los procedimientos requeridos para poner este sistema en operacin. La gerencia
operativa se encarga despus de dar una capacitacin detallada al personal que participa, y se
inicia entonces el nuevo curso de accin. Si tiene xito, el nuevo sistema se podr emplear durante
algunos aos. Con esto en mente, el equipo de IO supervisa la experiencia inicial con la accin
tomada para identificar cualquier modificacin que tenga que hacerse en el futuro.
A la culminacin del estudio, es apropiado que el equipo de investigacin de operaciones
documento su metodologa con suficiente claridad y detalle para que el trabajo sea reproducible.
Poder obtener una rplica debe ser parte del cdigo de tica profesional del investigador de
operaciones. Esta condicin es crucial especialmente cuando se estudian polticas
gubernamentales en controversia.