Enfoque Sistmico en las Organizaciones.

Antecedentes de la Investigacin de Operaciones.

La Investigacin de Operaciones (IO) tiene sus inicios en Inglaterra durante la segunda
guerra mundial, surge de la necesidad de asignar recursos insuficientes para los servicios
que desarrollaban los militares. Posteriormente con el progreso de las industrias, resulto
un desafo la asignacin y organizacin de las ahora llamadas compaas; adquiriendo los
mismos problemas que enfrentaron los militares, se decide introducir la IO en un contexto
industrial; con ahora nuevos desafos las investigaciones se concentraron en la
innovacin de los mtodos usados para este campo, y en 1947 por George Dantzig se
crea el mtodo simplex que tiene como objetivo resolver problemas de programacin
lineal (Lieberrman, 2010), sin embargo los procesos matemticos para la Investigacin de
Operaciones eran sumamente largos por lo que el desarrollo de las computadoras fue el
factor ms importante para el desarrollo de la IO, consiguiendo mejorar la eficiencia y
productividad en el sector civil (Taha, 2012).
Percepcin de IO.
La definicin de la Investigacin de Operaciones suele ser confusa ya que su mismo
nombre nos da una idea del significado; a continuacin se presentan diversos autores con
definiciones muy acertadas para su comprensin:
HILLIER-LIEBERMAN: Implica investigar sobre las operaciones. Esta disciplina se aplica
a la problemtica relacionada con la conduccin y la coordinacin de actividades en una
organizacin.
TAHA: La Investigacin de Operaciones aspira a determinar el mejor curso de accin
ptimo de un problema de decisin con la restriccin de recursos limitados, aplicando
tcnicas matemticas para representarlo por medio de un modelo y analizar problemas de
decisin.
PRAWDA: Es la aplicacin por grupos interdisciplinarios de Mtodo Cientfico a problemas
relacionados con el control de las organizaciones o de sistemas en relacin al hombremquina, con el fin de producir soluciones ptimas para dichas organizaciones.

NAMAKFOROOSH: La Investigacin de Operaciones es la aplicacin del Mtodo

Cientfico a los problemas de decisin en las empresas y otras organizaciones, incluyendo
el gobierno y la milicia.
MOSKOWITZ-WRIGHT: La Investigacin de Operaciones toma al Mtodo Cientfico
aplicado a la solucin de problemas y la toma de decisiones de la gerencia en funcin a la
construccin de un modelo simblico examinando y analizando entre relaciones que
lleguen a una tcnica en la toma de decisiones en base a los resultados ptimos.
THIERAUF Y GROSSE: La Investigacin de Operaciones utiliza el enfoque planeado
(Mtodo Cientfico) y un grupo interdisciplinario a fin de representar las complicadas
relaciones funcionales como modelos matemticos para suministrar una base cuantitativa
en la toma de decisiones y descubrir nuevos problemas para un anlisis cuantitativo.
SOCIEDAD AMERICANA DE INVESTIGACIN DE OPERACIONES, (ORSA): La
Investigacin de Operaciones est relacionada con el mejor diseo y operacin del
sistema (hombre-mquina) usualmente bajo ciertas condiciones y requiriendo la
asignacin de recursos escasos.
CHURCHMAN, ACKOFF Y ARNOFF: La investigacin de operaciones es la aplicacin,
por grupos interdisciplinarios, del mtodo cientfico a problemas relacionados con el
control de las organizaciones o sistemas (hombre maquina). A fin de que se produzcan
soluciones que mejor sirvan a los objetivos de la organizacin.
Mtodo cientfico en la I.O.
La toma de decisiones es bsica para el mbito laboral, las cuales deben llevar una
metodologa de solucin. Iniciando por la observacin del problema, recoleccin de datos,
formulacin del planteamiento del problema, y finalizando con la aplicacin de los
mtodos I.O para llegar a la mejor conclusin.
La metodologa involucrada con la Investigacin de Operaciones es el mtodo cientfico;
se utiliza para identificar los diversos problemas que deben ser enfrentados. El proceso
consta de cinco etapas. Comienza por la observacin cuidadosa y la formulacin del
problema, lo cual incluye la recoleccin de los datos pertinentes. El siguiente paso es la
construccin de un modelo cientfico (modelo matemtico) con el cual se intenta abstraer
la esencia del problema real. En esta etapa se propone la hiptesis de que el modelo ser
una representacin tan precisa de las caractersticas esenciales de la situacin, que

permitir que las conclusiones (soluciones) que se obtengan sean vlidas tambin para el
problema real. Despus se llevan a cabo los experimentos adecuados para probar esta
hiptesis, modificarla si es necesario y verificarla en determinado momento. Paso que se
conoce como validacin del modelo (Lieberrman, 2010). Concluyendo con la aplicacin de
la solucin ms factible.
1. Definicin del problema y recoleccin de datos.
Para que tenga mayor exactitud en la toma de decisiones debe identificarse primero cul
es el problema que afecta a la organizacin? Cul es el objetivo del estudio?, Cunto
es la perdida que causa este problema? Aterrizando todo esto en un marco terico,
delimitando alcances y objetivos, cuestionando cual sera la mejor solucin, y que mtodo
debe aplicar.
Una vez definido el problema se realiza la recoleccin de datos que interfieren en el
problema planteado, identificando las variables, creando hiptesis para la solucin del
problema y concluyendo con la aplicacin del modelo matemtico aplicar IO.
2. Formulacin de un modelo matemtico.
Una vez definido el problema se debe formular un modelo matemtico de acuerdo a las
variables localizadas de cada problema, diseando para esto ecuaciones que permitan
ver el panorama general del problema. 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. Por otra parte, si las relaciones matemticas son demasiado
complejas como para permitir la determinacin de una solucin analtica, se puede preferir
un modelo de simulacin.
3. Obtencin de una solucin a partir del modelo matemtico.
Mediante la definicin del problema se identifican las variables dependientes y para
solucionarlo debe resolverse un modelo que consiste en encontrar los valores de las
variables mejorando la eficiencia y la efectividad del sistema dentro del marco de
referencias que fijan los objetivos y restricciones del problema.
Un aspecto importante de la fase de solucin del modelo es el anlisis de sensibilidad.
Tiene que ver con la obtencin de informacin adicional sobre el comportamiento de la
solucin ptima cuando el modelo experimenta algunos cambios de parmetros. El

anlisis de sensibilidad es especialmente necesario cuando no se pueden estimar con

precisin los parmetros del modelo. En estos casos es importante estudiar el
comportamiento de la solucin ptima en el entorno de los parmetros estimados.
Los modelos de solucin pueden ser clasificados en tres tipos:

Analticos, que utilizan procesos de deduccin matemticas.

Numricos, que son de carcter inductivo y funcionan en base de a operaciones

de prueba y error.

Simulacin, que utiliza mtodos que imitan o, emulan al sistema real, en base a un
modelo.

4. Validez del modelo.

Comprueba si el modelo propuesto hace en realidad lo que dice que hace, es decir,
predice adecuadamente el comportamiento del sistema que se estudia? Una manera
frecuente de comprobar la validez de los mtodos es comparar los resultados actuales
con resultados histricos. Si el modelo propuesto representara un sistema nuevo
(inexistente), su comprobacin ser basada en la simulacin como una herramienta
independiente para comprobar el resultado del modelo matemtico.
Es importante documentar el proceso que se utiliz para llevar a cabo las pruebas de la
validacin del modelo, con el propsito de aumentar la confianza del modelo propuesto.
5. Implementacin de la solucin.
Consiste en la transformacin de los resultados en instrucciones de operacin
comprensibles que se emitirn a las personas que administrarn el sistema o modelo
recomendado.
Los equipos de investigacin y la administracin trabajaran ahora en conjunto para
desarrollar los procedimientos requeridos con el propsito de poner el sistema en
operacin.
Concepto de modelo
El modelo es una representacin o abstraccin de una situacin u objeto reales, que
muestra las relaciones (directas e indirectas) y las interrelaciones de la accin y la
reaccin de la realidad, el modelo debe ser representativo de aquellos aspectos de la
realidad que estn investigando.

Concluyendo que el modelo es una representacin simplificada de la realidad, que se

elabora para facilitar su comprensin y estudio, que permiten ver de forma clara y sencilla
las distintas variables y las relaciones que se establecen entre ellas.
Los modelos tienen como objetivo facilitar la investigacin y su elaboracin implica varios
aspectos opuestos:

Deben presentar la realidad lo ms fielmente posible

Deben ser ms sencillos y manejables que las situaciones reales.

Tipos de modelos de Investigacin de Operaciones.

1. Icnico.
Es una representacin fsica de algunos objetos, ya sea en forma idealizada
(bosquejos) o a escala distinta.
Ejemplo:
Planos y mapas (dos dimensiones).
Maquetas y prototipos (4 dimensiones).
2. Analgico.
Puede representar situaciones dinmicas o cclicas, son ms usuales y pueden
representar las caractersticas y propiedades del acontecimiento que se estudia.
Ejemplo:
Curvas de demanda.
Curvas de distribucin de frecuencia en las estadsticas y diagramas de
flujo
3. Modelo de Simulacin.
Los modelos de simulacin difieren de los matemticos en que las relacin entre la
entrada y la salida no se indican en forma explcita. El modelo de simulacin divide
el sistema representado en elementales que despus se enlazan entre si va
relaciones lgicas bien definidas. Por lo tanto, las operaciones de clculos pasaran
de un mdulo a otro hasta que se obtenga un resultado de salida.
4. Modelos Formales.
Se usan para resolver problemas cuantitativos de decisin en el mundo real. Esto
significa que todos los datos relevantes (es decir, los datos que los modelos
utilizarn o evaluarn) se dan por conocidos. En los modelos probabilsticos (o

estocsticos), alguno de los datos importantes se consideran inciertos, aunque

debe especificarse la probabilidad de tales datos.
5. Simblico o Matemtico.
Son representaciones de la realidad en forma de cifras, smbolos matemticos y
funciones, donde las restricciones del modelo se pueden expresar en forma
cuantitativa o matemtica como funciones de las variables de decisin.
6. Cuantitativos.
Cuando es posible construir un modelo matemtico insertando smbolos para
representar relaciones entre constantes y variables estamos ante un modelo
Cuantitativo. Por ejemplo: Una ecuacin es un modelo de este tipo. Las formulas,
las matrices, los diagramas o series de valores que se obtienen mediante
procesos matemticos.
7. Modelo estndar.
Modelos que solo hay que insertar o sustituir diferentes valores con el fin de
obtener un valor a una respuesta de un sistema y son aplicables al mismo tipo de
problemas en negocios afines.
Ejemplo:
El calculo de costos o gastos.
El calculo de las ganancias, etc.
8. Modelos hechos a la medida.
Modelos que se crean modelos para resolver un caso de problema en especfico
que se ajusta nicamente a este problema.
9. Modelo descriptivo y de Optimizacin.
Cuando un modelo constituye sencillamente una descripcin matemtica de una
condicin real del sistema se llama descriptiva. Algunos de estos modelos se
emplean para mostrar geogrficamente una situacin y ayudan al observador a
evaluar resultados por secciones una sobre otra.
Puede obtenerse una solucin, sin embargo, en este modelo solo se intenta
describir la situacin y no escoger una alternativa.
Cuando con la aplicacin del modelo se llega a una solucin optima de acuerdo
con los criterios de entrada, se trata de un modelo de optimizacin.
10. Modelo esttico.
Los modelos estticos se ocupan de determinar una respuesta para una serie
especial de condiciones fijas, la solucin est basada en una condicin esttica.

11. Modelo dinmico.

Un modelo dinmico por el contrario esta sujeto al factor tiempo que desempea
un papel esencial en la secuencia de las decisiones, independientemente de
cuales hayan sido las decisiones anteriores.
12. Modelos simulados.
Modelos diseados a computadora para reproducir el funcionamiento de sistemas
o problemas de gran escala. En un modelos de simulacin los datos de entrada
pueden ser reales o generados en forma aleatoria.
13. Modelos no simulados.
Los modelos que no se prestan para usar datos empricos o simulados en forma
aleatoria son modelos no simulados como los de optimizacin o los creados a la
medida.
Se dice que estos modelos son iterativos, ya que, buscan la solucin en base a la
repeticin del mismo proceso analtico hasta llegar a una respuesta, si la hay, o cuando
menos a una aproximacin de esta.

Antecedentes

Formulacin

Aplicacion

Aplicacin
Solucin

IO
Simbolico

Metodo
cientifico

Analogico
Iconico

Objetivo

Bibliografa
Hamdy A. Taha. "Investigacin de Operaciones". Quinta edicin. PEARSON.
Hillier y Lieberman. Investigacin de Operaciones. 8. Edicin. Edit. Mac Graw Hill.
Mxico. D. F., 2008.
Sweeney Martin. Mtodos cuantitativos para los negocios.11. ed.
Gestiopolis, Guillermo Prez J C; Investigacin de operaciones, qu es, historia y
metodologa; (febrero 2, 2016). Disponible en: http://www.gestiopolis.com/investigacionde-operaciones-que-es-historia-y-metodologia/