MODELOS DE INVESTIGACION DE OPERACIONES

CARACTERSTICAS Los modelos se dividen en determinsticos (no probabilisticos) y estocsticos (probilisticos). Hay otros modelos hbridos porque incluyen las dos categoras. Los modelos determinsticos, como opuestos a los estocsticos, suponen que los variables de todas las variables no controlables y los parmetros se conocen como certeza y son fijos. Sin embargo, entonces Las como para sabemos, qu razones el mundo estos real es en probabilstico, determinsticos? consideracin: - Primero, son ms manejables los modelos matemticos bajo suposiciones determinsticas que bajo suposiciones probabilsticas. Es decir, ciertos procesos complejos pueden modelarse factiblemente y ser resueltos en forma deterministicas, pero no probabilstica. - Segundo, algunos sistemas del mundo real son lo suficientemente estables como para modelarlos eficazmente con enfoques determinsticos - Por ltimo, una caracterstica de todos los modelos determinsticos es que permiten la introduccin de incertidumbre: el anlisis de sensibilidad (sexto paso del proceso) La mayora de los modelos determinsticos pueden caracterizarse como aquellos que optimizan (maximizan o minimizan) algunas funciones objetivo (reemplazando, expresado en trminos de variables y parmetros), generalmente sujetos a un conjunto de restricciones; esto es: Optimizar Z = F (X,Y) Sujeta a G(X,Y) < B Donde Z es el inters expresado como una funcin de X, que a su vez es el conjunto de variables controlables y Y el conjunto de variables manejar modelos

siguientes

deben

tomarse

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. Ntese consistir de que el conjunto de de y restricciones pueden de igualdad. Los relaciones desigualdad

procedimientos para resolver los modelos de tipo dado por las ecuaciones antes descritas se llaman en conjunto Programacin Matemtica. La distincin entre los Modelos de Optimizacin Lineales y no Lineales se basa en la naturaleza de la funcin objetivo y/o las restricciones; por ejemplo, los modelos de programacin lineal se caracterizan por su funcin objetivo lineal y sus restricciones lineales. Los Modelos de Transporte y los de Asignacin se pueden ver como casos especiales de la programacin lineal, por medio de los cuales se pueden hacer ms eficientes los procedimientos de solucin. Cuando las variables de decisin en los modelos de optimizacin lineal se restringen, bien sea a integrarse o valores 0 - 1, son adecuados los modelos de programacin entera o de programacin 0 - 1. Los modelos de redes representan estos tipos de problemas en trminos de diagramas de flujo. Los modelos de programacin de metas optimizan una funcin objetivo de criterios que es lineal, sujeta a un conjunto de restricciones lineales. Para cada uno de estos Modelos Lineales, el procedimiento de solucin se basa en un logaritmo iterativo especfico. Un algoritmo iterativo es un procedimiento de solucin que empieza con una solucin (completa o parcial) y luego procede hacia mejores o ms completas soluciones por un conjunto de reglas. El procedimiento se aplica repetidamente hasta que no se logre mayor mejoramiento en

la funcin objetivo, o hasta que se encuentre alguna condicin de detenerse. Los Modelos de Optimizacin no Lineal se clasifican ms bien por el mtodo de solucin que por la estructura del modelo: los Mtodos Clsicos aplican clculo diferencial; los Mtodos de Bsqueda utilizan tcnicas gradiantes y ramificacin, y los Mtodos de Programacin no Lineal aplican algoritmos especiales (procedimientos de solucin) para explotar ciertas estructuras matemticas en las relaciones funcionales. Los Algoritmos de Programacin Estocsticas tratan los parmetros de modelos de optimizacin como variables aleatorias de distribuciones muestrales especficas. Representan un rea de la programacin matemtica en la que no se aplican suposiciones determinsticas. Los Modelos Fsicos (como los Modelos de Inventarios y los Competitivos) ocupan una categora especial en cuanto que han sido desarrollados especialmente para un rea dada de aplicacin. Los Modelos Fsicos intentan esencialmente predecir las caractersticas operativas de los sistemas de colas, por ejemplo: La longitud promedio de la cola, la utilizacin de las instalaciones para servicio, etc.). En algunos casos, estos modelos se pueden formular en trminos de un criterio de costos subyacentes y ser resueltos por algn procedimiento de optimizacin. La Teora de Decisiones representa un enfoque formalizado a la toma de decisiones bajo incertidumbre, la cual incorpora e integra conceptos de la teora de utilidad, de la teora de distribucin de probabilidades y de la teora de probabilidad de Bayes. La Teora de Juegos en un enfoque relacionado para caracterizar el

comportamiento competencia.

de

la

toma

de

decisiones

bajo

conflicto

La Programacin dinmica es un enfoque a la optimizacin deseable en forma nica para varios muchos modelos problemas incluyen determinsticos o probabilsticos, representaciones

determinsticas y probabilsticas: El PERT_CPM es un enfoque para planear, programar y controlar los proyectos complejos que se pueden caracterizar como redes, los modelos heursticos aplican reglas del pulgar a los problemas que sin esto no podran ser resueltos de manera factible, eficaz y ptima, los modelos de inventarios, tanto determinsticos como estocsticos, especifiquen polticas de inventarios que minimizan el costo esperado. La Simulacin es una por forma importante lgicos de o los modelos determinsticos y estocsticos, que representa el comportamiento de sistemas complejos modelos matemticos 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 simulacin fsica de los sistemas ( por ejemplo. Los simuladores de vuelos espaciales, los modelos de tneles de viento, los planetarios etc), los modelos de simulacin de la investigacin de operaciones representan al sistema de enfoques matemticos deseables especialmente para su operacin en computadores digitales. La simulacin es particularmente valiosa para la investigacin de problemas demasiados complejos para ser analizados operaciones. ACTIVIDADES DE CLASE: 1. Elabore una sntesis de cada modelo clasificndolo de acuerdo al cuadro anexo. 2. Ilustre con un ejemplo cada modelo por otros procedimientos de la investigacin de

3. Escriba la importancia que tiene la investigacin de operaciones en su carrera profesional.