Escolar Documentos
Profissional Documentos
Cultura Documentos
Un segundo factor que dio mpetu al desarrollo de este campo fue el advenimiento de la
computadoras. Para manejar de una manera efectiva los complejos problemas inherentes
a esta disciplina, por lo general se requiere un gran nmero de clculos. Llevarlos a
cabo a mano puede resultar casi imposible. Por lo tanto, el desarrollo de la computadora
electrnica digital, con su capacidad para realizar clculos aritmticos, miles o tal vez
millones de veces ms rpido que los seres humanos, fue una gran ayuda para la
investigacin de operaciones. Un avance ms tuvo lugar en la dcada de 1980 con el
desarrollo de las computadoras personales cada vez ms rpidas, acompaado de buenos
paquetes de software para resolver problemas de IO, esto puso las tcnicas al alcance de
un gran nmero de personas. Hoy en da, literalmente millones de individuos tiene
acceso a estos paquetes. En consecuencia, por rutina, se usa toda una gama e
computadoras, desde las grandes hasta las porttiles, para resolver problemas de
investigacin de operaciones.
2. Se seleccionan las variables que norman la conducta o el estado actual del sistema,
llamadas variables relevantes, con las cuales se define un sistema asumido del sistema
real.
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 debe 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.
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. Antes de analizar como formular los modelos de este
tipo, se explorar la naturaleza general de los modelos y, en particular, la de los modelos
matemticos.
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.
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.
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.
IMPLANTACION DE LA SOLUCION
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. Es ms probable que el equipo
de IO obtenga este apoyo si ha mantenido a la administracin bien informada y ha
fomentado la gua de la gerencia durante el estudio. 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.
Planeacin de la Produccin
Asignacin de personal
Transporte
Inventarios
Dietas
Mercado
Estrategias de Inversin
Etc.