UNIVERSIDAD NORORIENTAL PRIVADA

Gran Mariscal de Ayacucho

INVESTIGACION DE OPERACIONES

CONCEPTOS BASICOS

PERIODO I-2021
Docente: Ing. Flor Sánchez
 Contenido

• Concepto de Investigación de Operaciones

• Modelos matemáticos en Investigación de
Operaciones
• Construcción de un modelo de programación
lineal
• Formulación de problemas de maximización
• Formulación de problemas de minimización
 CONCEPTO DE INVESTIGACIÓN DE
• OPERACIONES
La investigación de operaciones (I.O) tiene diversas definiciones una de ellas dice “
La I.O es el conjunto de técnicas matemáticas y computacionales que utiliza el
ingeniero para la toma de decisiones, basadas en el análisis cuantitativo, para la
solución de problema de tipo operacional”.
Esta definición implica que la I.O se
auxilia de dos ciencias como son las
matemáticas y la computación.
Al combinar los aspectos matemáticos y computacionales en la
I.O que permiten resolver problemas para la toma de
decisiones operacionales de una manera rápida y confiable se
han desarrollado aplicaciones informáticas que permiten
resolver problemas para la asignación de recursos, redes de
distribución, programación lineal, inventarios, líneas de espera
y redes.
La Investigación de Operaciones utiliza técnicas de
modelamiento matemático, análisis estadístico y optimización
matemática, con el objetivo de alcanzar soluciones óptimas o
cercanas a ellas cuando se enfrentan problemas de decisión
complejos. Se espera que las decisiones alcanzadas mediante el
uso de un modelo de investigación operativa sean
significativamente mejores en comparación a aquellas decisiones
que se podrían tomar haciendo uso de la simple intuición o
experiencia del tomador de decisiones
Proceso de solución de problemas en
Investigación de Operaciones

Identificación,
observación y
planteamiento
del problema

Construcción del
Evaluación
modelo

Generación de
Implementación
una solución

Prueba y
evaluación de la
solución
 ¿Qué es un modelo?
Pidd (2010) propone que la siguiente definición: “Un
modelo es una representación explícita y externa de
parte de la realidad como la ven las personas que
desean usar el modelo para entender, cambiar,
gestionar y controlar dicha parte de la realidad”

De esta definición se pueden extraer muchas

reflexiones interesantes sobre los modelos y su
uso en Investigación de Operaciones. Quizá la
más relevante es que los modelos son
representaciones (no son la realidad, que, por
cierto, se asume que existe) pero que los
hacemos con un objetivo respecto a la realidad
modelada.
 Modelos

Icónicos Analógicos Matemáticos

Es un sistema que tiene un Representan la realidad mediante

Es una representación a escala de comportamiento parecido al problema
que se desea estudiar pero con la
símbolos y cantidades relacionadas
la realidad matemáticamente
diferencia que se puede manipular

Un diagrama de flujo La ecuación de la relatividad de

Maqueta de una casa
Einstein
Mapa de un continente Un circuito eléctrico
La segunda ley de Newton
Modelo a escala de un avión Prototipos de un equipo o maquinaria
La función de costos de un proceso
Globo terráqueo para un trabajo Simulación de una planta o equipo
Modelo de programación lineal de un
escolar
problema de optimización
Tipos de modelos matemáticos en I.O
Programación lineal Programación entera
1. Toma de decisiones en los 1. Problemas de costo fijo
negocios 2. Problemas de transporte
2. Transporte 3. Problemas de asignación de
3. Asignación de recursos recursos.
4. Dietas
5. Producción

Modelos de líneas de espera

Modelos de redes 1. Modelos de distribución de
1. Problemas de ruta mas corta Poisson.
2. Problema de flujo máximo 2. Modelos de distribución
3. Problemas de costo mínimo exponencial
4. PERT y CPM 3. Modelos de un canal
4. Modelos multicanales
Construcción de un modelo de programación lineal

Uno de los modelos más importantes en la I. O. es el

modelo de programación lineal (P. L.), el cual se define
como: Un modelo de P. L. consiste en una función lineal,
la cual se desea optimizar (maximizar o minimizar) sujeta
a un conjunto de restricciones lineales.
Construcción de un modelo de programación lineal

Para construir un modelo de P.L se recomienda:

• Identificar los datos y la variables de decisión
• Identificar las restricciones
• Identificar la función objetivo
Formulación de problemas de programación
lineal

Una vez que se ha descrito un problema de forma verbal, es

importante transformar las descripciones verbales en una
estructura matemática apropiada. Un procedimiento funcional
que se puede utilizar en esta etapa del proceso es el siguiente:
 Identificar y definir las variables de decisión
El primer paso para la construcción de modelos
consiste en identificar las variables controlables o
de decisión, esto es, las variables cuyo valor
deseamos determinar.

El valor de estas variables, una vez determinado,

representa la solución del problema. Para
identificar estas variables, debemos
cuestionarnos: ¿qué es lo que queremos
cuantificar?, ¿qué valores del problema podemos
manipular?, ¿cuáles son los valores de las
variables a optimizar?, ¿qué valores, una vez
determinados, forman una solución del problema?
 Identificar los coeficientes de contribución
Una vez determinadas las variables de decisión, debemos identificar aquellas
cantidades que intervienen en el problema. Por ejemplo; los costos de fabricación de
cada impresora, la demanda del producto, la fuerza de trabajo disponible, el tiempo
de uso de una máquina, etc.

A todas estas cantidades se les conoce también como tasas físicas de contribución,
los cuales son los coeficientes que señalan las tasas a las cuales los recursos se
convierten en un producto final.
 Plantear la función objetivo
Una vez que se tienen las variables de decisión y los datos del problema, se formula
matemáticamente, tanto el objetivo que se persigue, como cada una de las
restricciones del problema.

Estos factores son los que se deben ver reflejados en la función objetivo, la cual
debe medir de una manera matemática los costos o utilidades de producir y vender
una combinación de productos

Utilidades
Beneficios
Maximizar
Rentabilidad

Función objetivo
Costos
Distancias
Minimizar
Tiempos
 Identificar los requerimientos disponibles

Los requerimientos disponibles son los valores de los recursos con los
cuales cuenta la empresa, organización o personas para el logro de sus
objetivos, normalmente estos valores se encuentran ubicados a la
derecha del signo de desigualdad en las ecuaciones de restricción.
 Plantear las restricciones del problema
Las restricciones son relaciones matemáticas entre las variables de decisión y las
limitantes de la empresa. En el caso de los modelos de P. L. estas restricciones
son desigualdades o igualdades lineales. Estas inecuaciones matemáticas incluyen
restricciones lógicas para las variables que las condicionan a ser siempre
positivas. A estas restricciones que se presentan al final del modelo les
llamaremos condiciones de no negatividad
 Definir las condiciones de no negatividad

La restricción de no negatividad, esta asociada a las variables de

decisión en donde se indica que los valores que pueden tomar
estas deben ser positivos o cero.

Entendiendo que los valores de las variables de decisión en este

tipo de planteamiento puede tomar valores enteros o
fraccionarios.

X1, X2, X3,

………….≥0
 Formulación de un modelo de maximización de
programación lineal (PL)

La compañía de anillos Acme class diseña y vende dos tipos de

anillos. El tipo VIP y el tipo SST. La empresa puede producir 24
anillos diarios y cuenta con 60 horas de trabajo diarias. Si un anillo
del tipo VIP toma 3 horas de trabajo y un anillo SST requiere de 2
horas de trabajo. ¿Cuántos anillos de cada tipo debe producir la
empresa para maximizar sus ganancias si un anillo VIP puede
venderse en $30 y un anillo SST en $40?
Objetivo
(verbal)
¿Cuántos anillos de cada tipo debe producir la empresa para
maximizar sus ganancias si un anillo VIP puede venderse en
$30 y un anillo SST en $40?

Restricciones (verbales)

• La empresa puede producir 24 anillos diarios

• Cuenta con 60 horas de trabajo diarias.

Variables (Estructura matemática)
Dado que es necesario determinar la cantidad de cada tipo
de anillos que debe fabricar la empresa, se requieren dos
variables:

X1 =Tipo VIP
X2= Tipo SST

Coeficientes de la función objetivo (estructura matemática)

La función objetivo se expresa en pesos, puesto que el

objetivo es maximizar utilidades. Por ello:
C1 = $30 para el anillo VIP
C2 =$40 para el anillo SST
 Función objetivo (estructura matemática)

Maximizar Z= 30X1 + 40X2

Restricciones (estructura matemática)

Es importante verificar la consistencia de las unidades de
medición de los coeficientes y los valores de los
requerimientos disponibles.

1. Limite de anillos producidos por día

x1 + x2 ≤24
2. Límite de tiempo de producción en la empresa
3X1 + 2x2 ≤60
3. Restricción de signo
X1, X2 ≥0
 Planteamiento matemático
X1 X2 Restricción

Producción 1 1 ≤ 24

Tiempo 3 2 ≤ 60

Ganancia 30 40 Maximizar Z
Planteamiento matemático

Maximizar Z= 30X1 +
40X2
Sujeto a
x1 + x2 ≤24
3X1 + 2x2 ≤ 60
X1, X2 ≥0
 Formulación de un modelo de minimización de
programación lineal (PL)
Una refinería puede comprar petróleo crudo ligero y petróleo crudo pesado. El coste por
barril de estos tipos de petróleo es de 11 y 9 dólares, respectivamente. De cada tipo de
petróleo se producen por barril las siguientes cantidades de gasolina, keroseno y
combustible para reactores.

La refinería tiene un contrato para entregar un millón de barriles de gasolina, cuatrocientos

mil barriles de keroseno, y doscientos cincuenta mil barriles de combustible para reactores.
Determine el número de barriles de cada tipo de petróleo crudo que satisfacen la demanda
y minimizan el coste.
Objetivo
(verbal)
Determine el número de barriles de cada tipo de petróleo
crudo ligero y pesado que satisfacen la demanda y minimizan
el coste
Restricciones (verbales)

• Por cada barril de petróleo crudo ligero se obtienen 0.40

barriles de gasolina, 0.20 barriles de keroseno y 0.35 de
combustible
• Por cada barril de petróleo crudo pesado se obtienen 0.32
barriles de gasolina, 0.40 barriles de keroseno y 0.20 de
combustible
Variables (Estructura matemática)
Dado que es necesario determinar la cantidad de barriles
de cada tipo de petróleo, las variables están determinadas
por:

X1 =barriles de petróleo crudo ligero

X2= barriles de petróleo crudo pesado

Coeficientes de la función objetivo (estructura matemática)

La función objetivo se expresa en dólares, puesto que el

objetivo es minimizar costos. Por ello:
C1 = $11 para el barril de petróleo crudo ligero
C2 =$9 para el barril de petróleo crudo pesado
Función objetivo (estructura matemática)

Minimizar Z= 11X1 + 9X2

Restricciones (estructura matemática)

Es importante verificar la consistencia de las unidades de
medición de los coeficientes y los valores de los
requerimientos disponibles.

1. Número de barriles de gasolina

0.40x1 + 0.32x2 ≥1,000,000
2. Número de barriles de keroseno
0.20X1 + 0.40x2 ≥400,000
3. Número de barriles de combustible
0.35X1 + 0.20x2 ≥250,000
4. Restricción de signo
X1, X2 ≥0
 Planteamiento matemático

X1 X2 Signo Restricción

Barriles de 0.40 0.32 ≥ 1,000,000

Gasolina
Barriles de 0.20 0.40 ≥ 400,000
Keroseno
Barriles de 0.35 0.20 ≥ 250,000
Gasolina
Costos 11 9 Minimizar Z
Planteamiento matemático

Minimizar Z= 11X1 +
9X2
Sujeto a
0.40x1 + 0.32x2 ≥1,000,000
0.20X1 + 0.40x2 ≥400,000
0.35X1 + 0.20x2 ≥250,000
X1, X2 ≥0
 Glosario
Algoritmo: Conjunto de procedimientos que, cuando se siguen en forma ordenada,
proporcionan una solución óptima a un problema

Función objetivo: Función matemática que definen la efectividad del modelo como
una función de las variables de decisión.

Investigación de operaciones: Nombre que se utilizó para describir las actividades de

ciencia de la administración / investigación de operaciones en las operaciones
militares británicas durante la segunda guerra mundial.

Modelo lineal: Modelo en el que todas las relaciones funcionales son de tal naturaleza
que la variable dependiente es proporcional a las variables independientes.

Restricción: Función matemática que describe o asigna un límite factible al modelo

y/o las variables de decisión.

Variable de decisión: Cantidades desconocidas que deben determinarse en la solución

para un modelo.