MODELOS DE INVESTIGACION DE OPERACIONES

CARACTERÍSTICAS

Los modelos se dividen en determinísticos (no probabilisticos) y

estocásticos (probilisticos). Hay otros modelos híbridos porque
incluyen las dos categorías. Los modelos determinísticos, como
opuestos a los estocásticos, suponen que los variables de todas las
variables no controlables y los parámetros se conocen como certeza y
son fijos. Sin embargo, como sabemos, el mundo real es
probabilístico, entonces para qué manejar estos modelos
determinísticos? Las siguientes razones deben tomarse en
consideración:
- Primero, son más manejables los modelos matemáticos bajo
suposiciones determinísticas que bajo suposiciones probabilísticas. Es
decir, ciertos procesos complejos pueden modelarse factiblemente y
ser resueltos en forma deterministicas, pero no probabilística.
- Segundo, algunos sistemas del mundo real son lo suficientemente
estables como para modelarlos eficazmente con enfoques
determinísticos
- Por último, una característica de todos los modelos determinísticos
es que permiten la introducción de incertidumbre: el análisis de
sensibilidad (sexto paso del proceso)
La mayoría de los modelos determinísticos pueden caracterizarse
como aquellos que optimizan (maximizan o minimizan) algunas
funciones objetivo (reemplazando, expresado en términos de
variables y parámetros), generalmente sujetos a un conjunto de
restricciones; esto es:
Optimizar Z = F (X,Y)
Sujeta a G(X,Y) < B

Donde Z es el interés expresado como una función de X, que a su vez

es el conjunto de variables controlables y Y el conjunto de variables
incontrolables: G(X,Y) es el conjunto de restricciones expresadas
como funciones de las variables controlables e incontrolables; y B
representa el conjunto de constantes asociadas con el conjunto de
restricciones. Nótese que el conjunto de restricciones pueden
consistir de relaciones de desigualdad y de igualdad. Los
procedimientos para resolver los modelos de tipo dado por las
ecuaciones antes descritas se llaman en conjunto Programación
Matemática.

La distinción entre los Modelos de Optimización Lineales y no Lineales

se basa en la naturaleza de la función objetivo y/o las restricciones;
por ejemplo, los modelos de programación lineal se caracterizan por
su función objetivo lineal y sus restricciones lineales.

Los Modelos de Transporte y los de Asignación se pueden ver como

casos especiales de la programación lineal, por medio de los cuales se
pueden hacer más eficientes los procedimientos de solución. Cuando
las variables de decisión en los modelos de optimización lineal se
restringen, bien sea a integrarse o valores 0 - 1, son adecuados los
modelos de programación entera o de programación 0 - 1. Los
modelos de redes representan estos tipos de problemas en términos
de diagramas de flujo. Los modelos de programación de metas
optimizan una función objetivo de criterios que es lineal, sujeta a un
conjunto de restricciones lineales.

Para cada uno de estos Modelos Lineales, el procedimiento de

solución se basa en un logaritmo iterativo específico. Un algoritmo
iterativo es un procedimiento de solución que empieza con una
solución (completa o parcial) y luego procede hacia mejores o más
completas soluciones por un conjunto de reglas. El procedimiento se
aplica repetidamente hasta que no se logre mayor mejoramiento en
la función objetivo, o hasta que se encuentre alguna condición de
detenerse.

Los Modelos de Optimización no Lineal se clasifican más bien por el

método de solución que por la estructura del modelo: los Métodos
Clásicos aplican cálculo diferencial; los Métodos de Búsqueda utilizan
técnicas gradiantes y ramificación, y los Métodos de Programación no
Lineal aplican algoritmos especiales (procedimientos de solución)
para explotar ciertas estructuras matemáticas en las relaciones
funcionales.

Los Algoritmos de Programación Estocásticas tratan los parámetros

de modelos de optimización como variables aleatorias de
distribuciones muestrales específicas. Representan un área de la
programación matemática en la que no se aplican suposiciones
determinísticas.

Los Modelos Físicos (como los Modelos de Inventarios y los

Competitivos) ocupan una categoría especial en cuanto que han sido
desarrollados especialmente para un área dada de aplicación. Los
Modelos Físicos intentan esencialmente predecir las características
operativas de los sistemas de colas, por ejemplo: La longitud
promedio de la cola, la utilización de las instalaciones para servicio,
etc.). En algunos casos, estos modelos se pueden formular en
términos de un criterio de costos subyacentes y ser resueltos por
algún procedimiento de optimización.

La Teoría de Decisiones representa un enfoque formalizado a la toma

de decisiones bajo incertidumbre, la cual incorpora e integra
conceptos de la teoría de utilidad, de la teoría de distribución de
probabilidades y de la teoría de probabilidad de Bayes. La Teoría de
Juegos en un enfoque relacionado para caracterizar el
comportamiento de la toma de decisiones bajo conflicto o
competencia.
La Programación dinámica es un enfoque a la optimización deseable
en forma única para muchos problemas determinísticos o
probabilísticos, varios modelos incluyen representaciones
determinísticas y probabilísticas: El PERT_CPM es un enfoque para
planear, programar y controlar los proyectos complejos que se
pueden caracterizar como redes, los modelos heurísticos aplican
reglas del pulgar a los problemas que sin esto no podrían ser
resueltos de manera factible, eficaz y óptima, los modelos de
inventarios, tanto determinísticos como estocásticos, especifiquen
políticas de inventarios que minimizan el costo esperado.
La Simulación es una forma importante de los modelos
determinísticos y estocásticos, que representa el comportamiento de
sistemas complejos por modelos lógicos o matemáticos
computarizados. Representando apropiadamente las incertidumbres,
las relaciones y las interacciones de los componentes individuales en
un sistema, es posible reproducir ese sistema artificialmente.
Como opuesto a la simulación física de los sistemas ( por ejemplo.
Los simuladores de vuelos espaciales, los modelos de túneles de
viento, los planetarios etc), los modelos de simulación de la
investigación de operaciones representan al sistema de enfoques
matemáticos deseables especialmente para su operación en
computadores digitales. La simulación es particularmente valiosa para
la investigación de problemas demasiados complejos para ser
analizados por otros procedimientos de la investigación de
operaciones.

ACTIVIDADES DE CLASE:
1. Elabore una síntesis de cada modelo clasificándolo de acuerdo
al cuadro anexo.
2. Ilustre con un ejemplo cada modelo
3. Escriba la importancia que tiene la investigación de operaciones
en su carrera profesional.