UNIVERSIDAD TÉCNICA DE COTOPAXI
FACULTAD DE CIENCIAS
ADMINISTRATIVAS
INVESTIGACIÓN OPERATIVA
INFORME
NOMBRE
NANCY NEGRETE
ING.
RUTH HIDALGO
NIVEL
CICLO SEGUNDO “B”
OCTUBRE- FEBRERO 2020
INTORCUCCION
La primera actividad de Investigación de Operaciones se dio durante la Segunda Guerra
Mundial en Gran Bretaña, donde la Administración Militar llamó a un grupo de científicos
de distintas áreas del saber para que estudiaran los problemas tácticos y estratégicos
asociados a la defensa del país.
El nombre de Investigación de Operaciones fue dado aparentemente porque el equipo
estaba llevando a cabo la actividad de investigar operaciones (militares).
Motivados por los resultados alentadores obtenidos por los equipos británicos, los
administradores militares de Estados Unidos comenzaron a realizar investigaciones
similares. Para eso reunieron a un grupo selecto de especialistas, los cuales empezaron a tener
buenos resultados y en sus estudios incluyeron problemas logísticos complejos, la planeación
de minas en el mar y la utilización efectiva del equipo electrónico.
Al término de la guerra y atraídos por los buenos resultados obtenidos por los estrategas
militares, los administradores industriales empezaron a aplicar las herramientas de la
Investigación de Operaciones a la resolución de sus problemas que empezaron a originarse
debido al crecimiento del tamaño y la complejidad de las industrias.
La primera técnica matemática ampliamente aceptada en el medio de Investigación de
Operaciones fue el Método Simplex de Programación Lineal, desarrollado en 1947 por el
matemático norteamericano George B. Danzig. Desde entonces las nuevas técnicas se han
desarrollado gracias al esfuerzo y cooperación de las personas interesadas tanto en el área
académica como en el área industrial.
Actualmente la Investigación de Operaciones se está aplicando en muchas actividades.
Estas actividades han ido más allá de las aplicaciones militares e industriales, para incluir
hospitales, instituciones financieras, bibliotecas, planeación urbana, sistemas de transporte y
sistemas de comercialización.
OBJETIVO GENERAL
Conocer y aplicar los algoritmos de mayor uso en el campo de la Investigación de
Operaciones y su utilización en la industria, el comercio, las finanzas, la gestión pública y
privada en general.
DESARROLLO
Que es la investigación de operaciones
La Investigación de Operaciones (IO) o Investigación Operativa es una rama de las
matemáticas que hace uso de modelos matemáticos y algoritmos con el objetivo de ser usado
como apoyo a la toma de decisiones. Se busca que las soluciones obtenidas sean
significativamente más eficientes (en tiempo, recursos, beneficios, costos, etc) en
comparación a aquellas decisiones tomadas en forma intuitiva o sin el apoyo de una
herramienta para la toma de decisiones.
Los modelos de Investigación de Operaciones son frecuentemente usados para abordar
una gran variedad de problemas de naturaleza real en ingeniería y ciencias sociales, lo que
ha permitido a empresas y organizaciones importantes beneficios y ahorros asociados a su
utilización. (Torres, 2015)
Características de la Investigación de Operaciones.
Es muy notable el rápido crecimiento del tamaño y la complejidad de las organizaciones
(empresas) humanas que se ha dado en estos últimos tiempos. Tal tamaño y complejidad nos
hace pensar que una sola decisión equivocada puede repercutir grandemente en los intereses
y objetivos de la organización y en ocasiones pueden pasar años para rectificar tal error.
También el ritmo de la empresa de hoy implica que las DECISIONES se tomen más
rápidamente que nunca, pues el hecho de posponer la acción puede dar una decisiva ventaja
al contrario en este mundo de la competencia.
La palpable dificultad de tomar decisiones ha hecho que el hombre se aboque en la
búsqueda de una herramienta o método que le permita tomar las mejores decisiones de
acuerdo a los recursos disponibles y a los objetivos que persigue.
Metodología de la Investigación de Operaciones.
El proceso de la Investigación de Operaciones comprende las siguientes fases:
Formulación y definición del problema.
Construcción del modelo.
Solución del modelo.
Validación del modelo.
Implementación de resultados.
Formulación y definición del problema. En esta fase del proceso se necesita: una
descripción de los objetivos del sistema, es decir, qué se desea optimizar; identificar las
variables implicadas, ya sean controlables o no; determinar las restricciones del sistema.
También hay que tener en cuenta las alternativas posibles de decisión y las restricciones para
producir una solución adecuada.
Construcción del modelo. En esta fase, el investigador de operaciones debe decidir el
modelo a utilizar para representar el sistema. Debe ser un modelo tal que relacione a las
variables de decisión con los parámetros y restricciones del sistema. Los parámetros (o
cantidades conocidas) se pueden obtener ya sea a partir de datos pasados o ser estimados por
medio de algún método estadístico. Es recomendable determinar si el modelo es
probabilístico o determinístico. El modelo puede ser matemático, de simulación o heurístico,
dependiendo de la complejidad de los cálculos matemáticos que se requieran.
Solución del modelo. Una vez que se tiene el modelo, se procede a derivar una solución
matemática empleando las diversas técnicas y métodos matemáticos para resolver problemas
y ecuaciones. Debemos tener en cuenta que las soluciones que se obtienen en este punto del
proceso, son matemáticas y debemos interpretarlas en el mundo real. Además, para la
solución del modelo, se deben realizar análisis de sensibilidad, es decir, ver cómo se
comporta el modelo a cambios en las especificaciones y parámetros del sistema. Esto se hace,
debido a que los parámetros no necesariamente son precisos y las restricciones pueden estar
equivocadas.
Validación del modelo. La validación de un modelo requiere que se determine si dicho
modelo puede predecir con certeza el comportamiento del sistema. Un método común para
probar la validez del modelo, es someterlo a datos pasados disponibles del sistema actual y
observar si reproduce las situaciones pasadas del sistema. Pero como no hay seguridad de
que el comportamiento futuro del sistema continúe replicando el comportamiento pasado,
entonces siempre debemos estar atentos de cambios posibles del sistema con el tiempo, para
poder ajustar adecuadamente el modelo.
Implementación de resultados. Una vez que hayamos obtenido la solución o soluciones
del modelo, el siguiente y último paso del proceso es interpretar esos resultados y dar
conclusiones y cursos de acción para la optimización del sistema. Si el modelo utilizado
puede servir a otro problema, es necesario revisar, documentar y actualizar el modelo para
sus nuevas aplicaciones. (Angel, 2014)
TIPOS DE MODELOS DE INVESTIGACION DE OPERACIONES
Un modelo es una representación ideal de un sistema y la forma en que este opera. El
objetivo es analizar el comportamiento del sistema o bien predecir su comportamiento futuro.
Obviamente los modelos no son tan complejos como el sistema mismo, de tal manera que se
hacen las suposiciones y restricciones necesarias para representar las porciones más
relevantes del mismo. Claramente no habría ventaja alguna de utilizar modelos si estos no
simplificaran la situación real. En muchos casos podemos utilizar modelos matemáticos que,
mediante letras, números y operaciones, representan variables, magnitudes y sus relaciones.
Representación de un modelo
Modelos Matemáticos
Un modelo es producto de una abstracción de un sistema real: eliminando las
complejidades y haciendo suposiciones pertinentes, se aplica una técnica matemática y se
obtiene una representación simbólica del mismo. Un modelo matemático consta al menos
de tres conjuntos básicos de elementos:
1. 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.
2. 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.
3. 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. Por ejemplo si el objetivo
del sistema es minimizar los costos de operación, la función objetivo debe expresar la
relación entre el costo y las variables de decisión. La solución ÓPTIMA se obtiene cuando
el valor del costo sea mínimo para un conjunto de valores factibles de las variables. Es decir
hay que determinar las variables x1, x2,..., xn que optimicen el valor de Z = f(x1, x2,..., xn)
sujeto a restricciones de la forma g(x1, x2,..., xn) ? b. Donde x1, x2,..., xn son las variables
de decisión Z es la función objetivo, f es una función matemática.
EJEMPLO 1.2.1: Sean X1 y X2 la cantidad a producirse de dos productos 1 y 2, los
parámetros son los costos de producción de ambos productos, $3 para el producto 1 y $5 para
el producto 2. Si el tiempo total de producción esta restringido a 500 horas y el tiempo
de producción es de 8 horas por unidad para el producto 1 y de 7 horas por unidad para el
producto 2, entonces podemos representar el modelo como:
MinZ = 3X1 + 5X2 (Costo total de Producción)
Sujeto a (S.A):
8X1 + 7X2? 500 (Tiempo total de producción)
X1, X2>= 0 (Restricciones de no negatividad)
EJEMPLO 1.2.2: En una empresa se fabrican dos productos, cada producto debe pasar
por una máquina de ensamblaje A y otra de terminado B,antes antes de salir a la [Link]
producto 1 se vende a $60 y el otro a $50 por unidad. La siguiente tabla muestra el tiempo
requerido por cada producto:
Producto Maquina A Maquina B
1 2H 3H
2 4H 2H
Total disponible 48 H 36 H
Para representar el modelo de este problema primero se debe determinar las variables de
decisión: Sea Xi: La cantidad a fabricar del producto 1 y 2 (i=1,2), entonces X1: cantidad a
fabricar del producto 1, X2: cantidad a fabricar del producto2, luego el modelo quedaría de
la siguiente manera:
MaxZ = 60X1+ 50X2 (máximo ingreso por ventas)
S.A: 2X1+ 4X2 <= 48 (disponibilidad horas _maquina A)
3X1+ 2X2 <= 36 (disponibilidad horas _maquina B)
X1, X2 >= 0 (Restricciones de no negatividad)
2. Modelos de Simulación
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 modelamiento se basa en la división del sistema en módulos básicos o
elementales que se enlazan entre sí mediante relaciones lógicas bien definidas (de la forma
SI / ENTONCES). El desarrollo de un modelo de simulación es muy costoso en tiempo y
recursos. (Gon, 2016)
CONCLUSION
La Investigación de Operaciones nos ayuda a realizar una Administración en empresas,
en industrias, finanzas, la gestión pública, y privada en general por ejemplo en caso de una
empresa del sector privado es importante que la toma de decisiones sea optima, y se vean
acompañadas de una distribución racional de los recursos, el cual es el objetivo de muchos
de los que con orgullo nos preparamos en esta disciplina del saber.
Bibliografía
Angel, D. (18 de julio de 2014). SCRIBD. Obtenido de investigacion de operaciones :
[Link]
Operaciones
Gon, G. (25 de mayo de 2016). monografias . Obtenido de investigacion de operaciones :
[Link]
[Link]
Torres, J. (20 de febrero de 2015). investigacion de operaciones . Obtenido de que es la
investigacion de operaciones : [Link]