Un modelo matemático consta al menos de tres conjuntos básicos de elementos:

Variables de decisión y parámetros

Las variables de decisión son incógnitas que deben ser determinadas a partir de la solución
del modelo. Los parámetros representan los valores conocidos del sistema o bien que se
pueden controlar.

Restricciones
Las restricciones son relaciones entre las variables de decisión y magnitudes que dan
sentido a la solución del problema y las acotan a valores factibles. Por ejemplo si una de las
variables de decisión representa el número de empleados de un taller, es evidente que el
valor de esa variable no puede ser negativo.

Función Objetivo
La función objetivo es una relación matemática entre las variables de decisión, parámetros
y una magnitud que representa el objetivo o producto del sistema.

Clasificación de Modelos

Muchos problemas de decisión implican un gran número de factores o variables

importantes o pueden tener muchas opciones a considerar por lo que se hace necesario la
utilización de computadoras para su solución.

Los modelos de programación lineal y programación entera son las técnicas más utilizadas
para resolver problemas grandes y complejos de negocios de este tipo. En ellos se aplican
técnicas matemáticas para hallar el valor máximo (o el mínimo) de un objetivo sujeto a un
conjunto de restricciones.

La simulación es una técnica para crear modelos de sistemas grandes y complejos que
incluyen incertidumbre. Se diseña un modelo para repetir el comportamiento del sistema.
Este tipo de modelo se basa en la división del sistema en módulos básicos o elementales
que se enlazan entre sí mediante relaciones lógicas bien definidas. El desarrollo de un
modelo de simulación es muy costoso en tiempo y recursos.

Problemas dinámicos los problemas dinámicos de decisión implican un tipo particular de

complejidad cuando hay una secuencia de decisiones interrelacionadas a través de varios
períodos.

La investigación de operaciones, tiene métodos de optimización aplicables a los siguientes

tipos de problemas:

METODOS DETERMINISTICOS: Ejemplo: Programación lineal, programación entera,

probabilidad de transporte, programación no lineal, teoría de localización o redes,
probabilidad de asignación, programación por metas,
teoría de inventarios, etc.
 METODOS PROBABILISTICOS: Ej. Cadenas de Markov, teoría de juegos, líneas de
espera, teoría de inventarios, etc.

METODOS HIBRIDOS: Tienen que ver con los métodos determínisticos y probabilísticos
como la teoría de inventarios.

METODOS HEURISTICOS: Son las soluciones basadas en la experiencia, como la

programación heurística.

Los modelos planteados se conocen como modelos determinísticos. En contraste, en

algunos casos, quizá no se conozcan con certeza los datos, más bien se determinan a través
de distribuciones de probabilidad, se da cabida a la naturaleza probabilística de los
fenómenos naturales. Esto da origen a los así llamados modelos probabilísticos o
estocásticos.

REFERENCIAS BIBLIOGRAFICAS
 Mautner Himmelblau, David; Bischoff Kenneth B.; Análisis y Simulación de Procesos

http://simulacionunilibre.blogspot.mx/p/clasificacion-de-los-modelos.html

MÉTODO CARACTERÍSTICAS VENTAJAS DESVENTAJAS

GRÁFICO *Solo trabaja con dos *Es relativamente *Solo funciona con 2 ó 3
o tres variables fácil de hacer y variables
* Gráfica la función entender *Puede ser inexacto al
objetivo y las *Ubica todos los tener muchas
restricciones puntos extremos restricciones
*Ubica en la región que son una
factible solución solución factible
óptima, no factible, *No hay que pasar
múltiple o no acotada a la forma estándar.
*Se trabaja
directamente en la
forma canónica
*Encuentra la
solución en la gráfica
directamente

ALGEBRAIC *Es parecido al *Trabaja rápido en *Requiere revisar

O método simplex modelos sencillos constantemente que se
*Se mueve entre * Describe en cada esta moviendo
 puntos extremos iteración como se correctamente.
empezando en el comportan las *El álgebra o como
origen variables y que elegir las variables de
*Se trabaja en la valor tiene z entrada puede llegar a
forma estándar. *Funciona par ser confuso
*Encuentra la modelos de n * Realizar todo el
solución cuando z ya variables proceso puede ser
no puede o empeora mucho mas tardado que
en una siguiente el método simplex
iteración

SIMPLEX *Trabaja en la forma *Trabaja muy *Requiere un cuidado

estándar rápido para muy grande del álgebra
*El origen tiene que encontrar la *No funciona si el origen
ser una solución solución óptima no es parte del conjunto
factible *Funciona para de soluciones factibles
*Se mueve a través modelos de n *Puede caer en un ciclo
de los puntos variables si no se tienen
extremos consideraciones, pero es
*Describe cómo muy raro
aumenta o disminuye
z y dice que ocurre
con las variables
*A través de los
coeficientes describe
si se llega a una
solución óptima, no
factible, no
restringida o múltiple

DE LA *Trabaja con el *Funciona con *El álgebra llega a

GRAN M modelo ampliado cualquier tipo de complicarse demasiado
*Tiene variables modelo lineal donde con las M.
artificiales que están las variables son *Es difícil de introducir
multiplicadas por un reales. en una computadora
valor muy grande *Facilita distinguir a
denominado por M las variables duales
*Las variables en el análisis de
artificiales son decisiones
poco atractivas para
elegirlas como
variable de entrada
*Trabaja con
modelos donde la
solución inicial no
tiene que ser el
origen.
*Si no se puede
 eliminar a M,
entonces no hay
solución factible
*Se considera
primera al factor
multiplicativo más
negativo para
maximización y
después al aditivo

DE LAS *Trabaja con la forma *Evita muchos *Resulta confuso el

DOS FASES ampliada problemas del momento en el cual hay
*Trabaja con método de la gran que cambiar de la
cualquier modelo. M función objetivo
*Tiene dos fases: en *Se pasa fácilmente modificada a la función
la primera se plantea del modelo original.
una función de ampliado a la forma *Requiere realizar dos
minimización donde estándar tablas simplex por
las variables son las separado o una donde
v. artificiales y las se juntan las dos
restricciones son las funciones objetivo
mismas que en el *Es complicado o
modelo ampliado imposible visualizar lo
para ubicar la que esta pasando en
solución inicial este modelo de una
*En la segunda fase forma gráfica durante la
se continua el primera fase
método quitando las
v. artificiales y
retomando la función
objetivo original pero
con los valores ya
dados en las
restricciones de la
anterior fase
*Si existe una v.
artificial en la base al
final de la primera
fase, entonces se
fuerza a esta a salir
de la base.

SIMPLEX *Es una diferente *Encuentra *Tiene los

REVISADO forma de realizar el soluciones mismo inconvenientes
método simplex mas rápido porque que el método simplex:
*Se realiza tomando no requiere normalmente no acepta
solamente tantos cálculos funciones que no
los cálculos necesari *Es mas sencillo tengan solución en el
os que de programar origen.
se ocupan en toda *Puede *Puede complicarse el
la tabla aceptar cualquier ti calculo de la inversa o
del método simplex po de modelo bajo la multiplicación entre
y expresándolo en ciertos criterios matrices
forma de matrices especiales *Requiere demasiadas
*Requiere el uso de tablas a comparación
matrices inversas del método de la M
y multiplicación de grande
matrices
*Puede aplicarse
ciertos criterios a
este método para
hacerlo parecido al
método de las dos
fases.