NOTA DECLARATORIA:

La información presentada no es de mi autoría yo solo hice el trabajo de la

transcripción y resumen de la información.

Transcriptor: Jesús Andrés Quereguan Jesus

Firmado digitalmente
por Jesus Quereguan
DN: C=VE, CN="
Jesus Quereguan ",
E=jaqgmzd6@gmail.c

Quere om
Razón: Doy fe de la
exactitud e integridad
de este documento
guan Ubicación:
Fecha: 2019-04-14
19:04:33

Correo: jaqgmzd6@gmail.com

LA INFORMACIÓN INTELECTUAL ES PERTENECIENTE A:

Investigación de operaciones cód. 315 (libro de la universidad nacional

abierta)

ESPECIALISTAS EN CONTENIDO

Ing. Rubén Días Mora M.Sc.

DISEÑO DE INSTRUCCIÓN

Prof. Rosalba Barroso De Perdomo M.Sc.

REVISIÓN DE CONTENIDO

Cap.Nav. Rafael Arraiz Epejo

Dr. Edgar blanco Pedraza

Ing. Camilo botbol de salinas

Ing. José Gregorio Gonzales R. M.Sc

Ing. Gustavo A Márquez M.

 La Toma De Decisiones Mediante La Investigación De Operaciones

La producción de bienes y servicios, el flujo de recursos en los sistemas

económicos o la distribución óptima de materiales en escenarios de guerra, son
sistemas complejos de actividades estrechamente vinculadas. Es posible que
existan diferencias entre los objetivos que deben ser alcanzados o diferencias en la
magnitud de los esfuerzos requeridos; sin embargo, los sistemas pueden tener
características estructurales similares que les permiten ser representados por un
equivalente matemático. La observación de un gran número de problemas
económicos, militares o industriales puede expresarse mediante un equivalente
matemático, o modelo matemático como generalmente se conoce, ha permitido el
desarrollo de lo que se ha llamado programación matemática.

Si estas representaciones matemáticas de una realidad pueden expresarse mediante

un sistema de desigualdades y ecuaciones lineales, tenemos entonces un modelo de
programación lineal.

El modelo de programación lineal (P.L) forma parte de una serie de técnicas

matemáticas que caen dentro del amplio espectro de la investigación de
operaciones, donde es utilizada como una herramienta en la toma de decisiones.

Es difícil dar una definición precisa de lo que es la investigación de operaciones y

de cuál es su naturaleza. Algunos autores sostienen que es solo un conjunto de
técnicas matemáticas dentro del dominio de la ciencia de las decisiones. Otros
sostienen que va más allá de la simple colección de técnicas matemáticas y lleva
consigo una metodología. El hecho es que la investigación de operaciones ha sido
ampliamente aplicada al campo militar, a la industria y a la resolución de
problemas gubernamentales y sociales, al campo de la salud, etc. En cierto sentido,
la investigación científica creativa, dentro de las propiedades fundamentales de la
operaciones en una organización. Tiene por consiguiente unas características
fundamentales que es la aplicación del método científico.

Metodología de la investigación de operaciones

No hay etapas claramente delimitadas para resolver un problema, se puede decir

que la aplicación del método se hace por medio de cinco pasos, a saber:

a. Formulación del problema

b. Construcción de un modelo
c. Obtención de soluciones al modelo
d. Pruebas y evaluación de las soluciones
e. Implantación y control de las soluciones

a. Formulación del problema

Este paso es quizás el más difícil y complejo. Deben especificarse las variables que
son verdaderamente relevantes y clarificarse los objetivos que se pretende alcanzar;
cuales son las unidades involucradas y cuál es la magnitud o importancia del
problema que se desea resolver. Deben especificarse además, cuales son los
factores bajo de quien toma la decisión y cuales no están bajo su control. En
resumen, se debe tener una descripción de las alternativas y un reconocimiento de
las limitaciones, restricciones y requerimientos del sistema.

b. Construcción del modelo

En esta etapa se debe decidir cuál modelo es el que mejor se ajusta al sistema que
se desea representar. Debe tenerse presente que el modelo es una representación
simplificada de la realidad y que, por lo tanto, debe poder manipularse con
facilidad.
Hay distintos tipos de modelos: a escala, análogos y simbólicos. En los modelos a
escala (o icónicos), las propiedades fundamentales de las situación real se
representan de acuerdo con las mismas propiedades, con un cambio de escala. Por
ejemplo, frecuentemente los ingenieros elaboran modelos a escala de una estructura
compleja, con el fin de estudiar en el modelo la respuesta que tendría la estructura
original cuando se somete a distintos tipos de fuerzas. En los modelos análogos se
utiliza un conjunto de propiedades para representar otro conjunto, como ocurre
cuando un sistema eléctrico se utiliza para representar uno hidráulico o viceversa.

En los modelos simbólicos se utilizan letras, símbolos y números para representar

las variables y sus relaciones. Por ejemplo, si a un sistema mecánico cuya
distribución probabilística de resistencia es R (r) se le aplica un esfuerzo cuya
distribución probabilísticas es E (e), entonces la confiabilidad de ese sistema, es
decir, la probabilidad de que el sistema no falle, puede representarse por el
siguiente modelo simbólico:
C=∫ ( )[∫ ( ) ]
r>0
e>0

La forma general de un modelo matemático es:

( ) (Función objetiva)
Sujeto a: ( ) (restricciones)
Dónde:
Es la medida de utilidad o de realización del sistema.
Son las variables controlables por el usuario.
Son las variables no controlables, pero que afectan a Z.
 Son relaciones entre

Cuando el modelo contiene variables controlables se denomina explicativo y si

contiene además variables no controlables se denominan descriptivos. Estos
modelos pueden también ser clasificados en determinísticos y probabilísticos. En el
primer caso, si se toma una cierta acción se pueden predecir con certeza los
requerimientos necesarios para llevar a cabo la acción y el resultado de tal acción.
Aquellos modelos en donde se contempla la incertidumbre en los cursos de acción
y/o los resultados, pertenecen a la clasificación de modelos probabilísticos. A pesar
de que se ha establecido una clasificación de los modelos, en la vida real pocos
modelos (si es que hay alguno) son determinísticos. Las simplificaciones que se
introducen pueden hacer de un modelo probabilístico uno determinístico. Por
ejemplo, la fuerza originada por el viento sobre un miembro estructural puede ser
modelada de la siguiente manera:

Donde C es un coeficiente de forma, P es la densidad del aire, V es la velocidad del

viento en un intervalo de tiempo t y a una altura z sobre el nivel del mar, A es la
proyección del área del miembro perpendicular a la fuerza y es el ángulo ente la
dirección del viento y el eje del miembro.

Es claro que el modelo anterior es descriptivo y es probabilístico, puesto que V es

una variable aleatoria no controlada por el usuario. Sin embargo, se pueden hacer
aproximaciones de V, como tomar sus valores medios, y utilizar el modelo como si
fuese determinísticos.
El modelo de programación lineal es, generalmente hablan de un modelo
probabilísticos. No obstante, con frecuencia se hacen simplificaciones que llevan al
modelo a no incluir variables no controlables por el usuario y a no incorporar
incertidumbres en el modelo. Se tiene entonces un modelo explicativo y
determinístico.
c. Obtención de soluciones del modelo.

En los modelos matemáticas las soluciones se obtienen utilizando técnicas de

optimización y se decir que el modelo conduce a una solución “optima”.

Además de obtener la solución óptima del modelo, es muchas veces apropiado

obtener información acerca del comportamiento de la solución debido a cambios
que se introduzcan en los parámetros del modelo. Esto se llama usualmente realizar
un análisis de sensibilidad. Supongamos, por ejemplo, que
oras, representa una restricción de utilización de horas de maquina en una
fábrica y que son dos variables representativas de la cantidad de unidades
que se deben producir en dos artículos 1 y 2. El superintendente de la fábrica puede
estar interesado en los cambios que tiene la solución (los valores óptimo de
), si aumenta o disminuye el números de horas; por ejemplo, si el número de
horas disponibles en lugar 600 es 800 o es 450. Se realizar entonces un análisis (de
sensibilidad) para estudiar los cambios en la solución.

d. Pruebas y evaluación de las soluciones

Hemos dicho que el modelo no es una representación perfecta de la realidad.

Entonces, debe probarse la correspondencia del modelo construido con la realidad
misma y valorar las soluciones. El modelo es válido si, a pesar de su inexactitud en
representar la realidad, puede dar una aproximación confiable acerca del sistema y
su funcionamiento.
 e. Implantación y control de las soluciones
En esta última etapa, los resultados se traducen a instrucciones detalladas dirigidas
a las personas que administraran y operaran el sistema.

Programación lineal
El desarrollo de la programación lineal data finales de la década del 40 y su
impacto, desde la década del 50, ha sido extraordinario; a tal punto, que muchos
autores lo consideran dentro de los avances científicos más importante de la
segunda mitad del siglo 20.
El enfoque de programación lineal considera al sistema bajo estudio como
descompuesto en cierto número de funciones elementales llamadas actividades. La
programación lineal envuelve entonces la planificación de actividades para obtener
un resultado “optima”, es decir, un resultado que mejor se aproximé a los objetivos
especificaciones entre una serie de alternativas factibles.

La forma general del modelo de programación lineal es la siguiente

Maximizar

∑ función o jetivo

Sujeto a las siguientes restricciones

∑
Premisas del modelo de programación lineal

Para que el modelo sea verdaderamente efectivo se requiere que en el problema en

cuestión se satisfagan las siguientes premisas:

a. Proporcionalidad

En el modelo de programación lineal, la premisa de proporcionalidad implica que si

se requieren unidades i-èsimo artículo para llevar a cabo una actividad j a un
nivel unitario, entonces se requerirán unidades de este artículo para llevar a
cabo la mencionada actividad j a un nivel , para cualquier Por ejemplo, si
un artículo se vende a bs. 10 por unidad, artículos del mismo tipo se venderán
por 10 , para cualquier valor de .

b. Aditividad
La premisa de Aditividad en el modelo de programación lineal implica que el
consumo o producción total de un artículo, consumido es igual a la suma de las
varias cantidades del artículo, consumido o producidas, al llevar a cabo una
actividad a su nivel especificado. Por ejemplo, si por la venta de unidades de
unos artículos se obtiene una ganancias de 3 y por la venta de unidades de
otro artículo se obtiene una ganancias de , entonces por la venta unidades y
unidades se obtendrá una ganancias de .

La premisa de Aditividad conduce a que la función objetivo es separable en sus

variables, esto es, que si las variables del modelo son y z es función de
dichas variables, entonces ( ) puede ser escrita como la suma de n funciones
( ) ( ) ( )
c. Divisibilidad

Algunas veces las variables de decisión tienen significado físico si toman

valores enteros, como sería el caso de una variable que represente el número
de personas necesarias en una línea de producción. Sin embargo, a menudo la
solución obtenida, aplicando el modelo de programación lineal no es entera. La
premisa de divisibilidad permite que las actividades puedan se divididas en
niveles, de tal manera que valores no enteros de las variables sean permitidos.
Por ejemplo, si en un problema una de las variables representa el número de
resmas de papel que se deben vender, esa actividad puede ser llevada al nivel al
nivel “ ojas” para permitir valores no enteros del número de resmas.

En la práctica es posibles aplicar el modelo de programación lineal aun cuando

se requiere que las variables tomen valores enteros. Si la solución obtenida no es
entera, entonces las variables con valores reales se redondean al entero más
próximo. Sin embargo, esto en general no es válido y puede conducir a errores.

Los matemáticos han trabajado en técnicas que permiten resolver problemas de

programación con variables enteras. Estas técnicas caen dentro de lo que se ha
llamado programación entera.