 Definición del problema

 Formulación del problema y

construcción del modelo
 Resolución
 Verificación, validación, refinamiento
 Interpretación y análisis de resultados
 Implantación y uso extensivo

A lo largo de todo el proceso debe haber una interacción

constante entre el analista y el cliente
 Es una ciencia
› análisis de relaciones
› aplicación de algoritmos de solución
 Y a la vez un arte
› visión de la realidad
› estilo, elegancia, simplicidad
› uso creativo de las herramientas
› experiencia
 Con el propósito de estudiar científicamente un
sistema del mundo real debemos hacer un
conjunto de supuestos de cómo trabaja.

 Estos supuestos, que por lo general toman la

forma de relaciones matemáticas o relaciones
lógicas, constituye un Modelo que es usado para
tratar de ganar cierta comprensión de cómo el
sistema se comporta.
Existen múltiples tipos de modelos para representar la realidad. Algunos son:

•Dinámicos: Utilizados para representar sistemas cuyo estado varía con el

tiempo.
•Estáticos: Utilizados para representar sistemas cuyo estado es invariable a
través del tiempo.

•Matemáticos: Representan la realidad en forma abstracta de muy diversas

maneras.
•Físicos: Son aquellos en que la realidad es representada por algo tangible,
construido en escala o que por lo menos se comporta en forma análoga a esa
realidad (maquetas, prototipos, modelos analógicos, etc.).

•Analíticos: La realidad se representa por fórmulas matemáticas. Estudiar el

sistema consiste en operar con esas fórmulas matemáticas (resolución de
ecuaciones).
•Numéricos: Se tiene el comportamiento numérico de las variables
intervinientes. No se obtiene ninguna solución analítica.
•Continuos: Representan sistemas cuyos cambios de estado son
graduales. Las variables intervinientes son continuas.
•Discretos: Representan sistemas cuyos cambios de estado son de a
saltos. Las variables varían en forma discontinua.

•Determinísticos: Son modelos cuya solución para determinadas

condiciones es única y siempre la misma.
•Estocásticos: Representan sistemas donde los hechos suceden al azar, lo
cual no es repetitivo. No se puede asegurar cuáles acciones ocurren en un
determinado instante. Se conoce la probabilidad de ocurrencia y su
distribución probabilística. (Por ejemplo, llega una persona cada 20 ± 10
segundos, con una distribución equiprobable dentro del intervalo).
 Consiste en identificar los elementos de decisión
› objetivos (uno o varios, optimizar o satisfacer)
› alternativas
› limitaciones del sistema
 Hay que recoger información relevante (los
datos pueden ser un grave problema)
 Es la etapa fundamental para que las decisiones
sean útiles
 Modelo: representación simplificada de la
realidad, que facilita su comprensión y el estudio
de su comportamiento
 Debe mantener un equilibrio entre sencillez y
capacidad de representación
 Modelo matemático: modelo expresado en
términos matemáticos
› hace más claras la estructura y relaciones
› facilita el uso de técnicas matemáticas y
ordenadores
› a veces no es aplicable
Modelo Matemático
Es aquel modelo que describe el comportamiento de un sistema a través de
relaciones matemáticas y supone que todas las variables relevantes son
cuantificables. Por ende tiene una solución optima.

Modelo de Simulación
Es un modelo que imita el comportamiento de un sistema sobre un periodo de
tiempo dado, esta basado en observaciones estadísticas. Este tipo de modelo
entrega soluciones aproximadas.

Modelo Heurístico
Es una regla intuitiva que nos permite la determinación de una solución
mejorada, dada una solución actual del modelo, generalmente son procedimientos
de búsqueda. Este tipo de modelo también entrega soluciones aproximadas.
 Determinísticos • Probabilísticos
› Programación
matemática – Programación estocástica
 Programación lineal – Gestión de inventarios
 Programación entera – Fenómenos de espera
 Programación (colas)
dinámica
 Programación no – Teoría de juegos
lineal – Simulación
 Programación
multiobjetivo
› Modelos de transporte
› Modelos de redes
•Análisis Estadístico
•Simulación
•Programación Lineal
•Sistema de Redes
•Líneas de Espera
•Problemas de Inventario
•Programación No - Lineal
•Programación Dinámica
•Programación Entera
•Teoría de Decisiones
•Teoría de Juegos
La I.O debe ser considerada como una ciencia y la vez como un
arte.
•Una ciencia por el uso de técnicas matemáticas para la resolución
de los problemas.
•Un arte ya que la formulación del modelo depende en gran parte de
la creatividad y la experiencia delas operaciones del equipo
investigador.
1. Definición del problema:
• Alternativas de decisión (vars. de decisión).
• El objetivo de estudio (Función Objetivo).
• Identificación de las restricciones del sistema que se modela.
2. Construcción del modelo:
• Traducir el problema a relaciones matemáticas que incluyan las vars. decisión, la
Función Objetivo y las restricciones.
3. Solución del modelo:
• Uso de algoritmos de optimización.
• Se encuentran los valores de las vars. decisión.
4. Validación del modelo:
• ¿El modelo entrega una predicción razonable del comportamiento del sistema estudiado?
5. Puesta en práctica:
• Traducir los resultados del modelo en instrucciones de operación.
 Traducción del problema a términos
matemáticos
› objetivos: función objetivo
› alternativas: variables de decisión
› limitaciones del sistema: restricciones
 Pero a veces las relaciones matemáticas
son demasiado complejas
› heurísticos
› simulación
 Determinar los valores de las variables
de decisión de modo que la solución
sea óptima (o satisfactoria) sujeta a las
restricciones
 Puede haber distintos algoritmos y
formas de aplicarlos
 Eliminación de errores
 Comprobación de que el modelo se
adapta a la realidad
 Robustez de la solución óptima
obtenida: Análisis de sensibilidad
 Detección de soluciones cuasi-óptimas
atractivas
 Sistema de ayuda y mantenimiento
 Documentación
 Formación de usuarios
 Una empresa dispone de 70 trabajadores con
cualificaciones diferentes (Economistas, Ingenieros,
Auxiliares Administrativos, etc..) a los que hemos de
asignar 70 actividades también diferentes. Para decidir
una determinada asignación de tareas deberíamos
escoger de entre un total de 70! (Permutaciones de 70
elementos) aquella que maximiza el resultado final de la
empresa. Como 70! es aproximadamente igual a 10100,
aún revisando un 1 millón de asignaciones diferentes al
segundo necesitaríamos aproximadamente 1087 años
para revisar todas las asignaciones posibles.
 Este tipo de problemas requiere desarrollar modelos de
programación matemática, otros métodos matemáticos,
para llegar a algún tipo de conclusiones.
 Planeación de la producción e
inventarios
 Mezcla de Alimentos
 Transporte y asignación
 Planeación financiera
 Mercadotecnia
 Asignación de recursos
 Redes de optimización
1. Frecuentemente es necesario hacer simplificaciones del problema
original para poder manipularlo y tener una solución.
2. La mayoría de los modelos sólo considera un solo objetivo y
frecuentemente en las organizaciones se tienen objetivos múltiples.
3. Existe la tendencia a no considerar la totalidad de las restricciones
en un problema práctico, debido a que los métodos de enseñanza
y entrenamiento dan la aplicación de esta ciencia centralmente se
basan en problemas pequeños para razones de índole práctico,
por lo que se desarrolla en los alumnos una opinión muy simplista e
ingenua sobre la aplicación de estas técnicas a problemas reales.
4. Rara vez se realizan análisis costo-beneficio de la implantación de
soluciones definidas por medio de la I de O, en ocasiones los
beneficios potenciales se ven superados por los costos ocasionados
por el desarrollo e implantación