Está en la página 1de 20

Tpicos en Investigacin Operativa Semana 1 Sesin 1: Introduccin al anlisis cuantitativo

NDICE
1. Anlisis cuantitativo. 2. Introduccin a la modelacin. 3. Construccin de modelos.

1. Anlisis cuantitativo
 Herramientas matemticas han sido usadas por miles de aos.  El anlisis cuantitativo puede ser aplicado en una diversidad de problemas.  Uno debe comprender la aplicacin especfica de la tcnica, sus limitaciones y suposiciones.
3

Ejemplos de Anlisis Cuantitativo


 Taco Bell ahorr ms de US $150 millones usando modelos de anlisis cuantitativo de pronsticos y programacin de personal.  NBC aument sus ingresos en ms de US $200 millones por usar anlisis cuantitativo para desarrollar mejores planes de ventas.  Continental Airlines ahorra ms de US $40 millones anuales usando modelos de anlisis cuantitativo para recuperarse rpidamente de las interrupciones causadas por retrasos debidos al mal tiempo y otros factores.
4

Qu es anlisis cuantitativo?
Anlisis Cuantitativo Un enfoque cientfico para la toma de decisiones. Transformacin de datos en bruto que son procesados y manipulados resultando informacin significativa.

Datos en bruto

Anlisis cuantitativo

Informacin significativa

2. Introduccin a la modelacin
La investigacin de operaciones (ciencia de la administracin) es un enfoque cientfico en la toma de decisiones que busca el mejor diseo y operar un sistema, por lo general en condiciones que requieren la asignacin de recursos escasos.
El trmino se acu durante la Segunda Guerra Mundial cuando los lderes solicitaron a los cientficos e ingenieros analizar varios problemas militares.

Un sistema es una organizacin de componentes interdependientes que trabajan juntos para lograr un objetivo del sistema.

Modelos
Un modelo es una abstraccin cuidadosamente seleccionada de la realidad Tres tipos de modelos:
Fsicos o icnicos (los ingenieros construyen modelos de aviones y los urbanistas modelos de ciudades) Anlogos (el mapa de carreteras o el velocmetro de un auto, un diagrama tipo pye o de barras) Simblicos o matemticos (ms abstractos, los conceptos se representan por variables cuantitativamente definidas)

Los Gerentes trabajan con los tres tipos de modelos, ms comnmente con los modelos anlogos.
7

Modelos
Anlisis Modelo Resultados

Abstraccin

Mundo simblico

Juicio administrativo

Mundo real

Situacin administrativa

Intuicin

Decisiones
8

Interpretacin

2. Introduccin a la modelacin (continuacin)


El enfoque cientfico para toma de decisiones requiere el uso de uno o ms modelos matemticos. Un modelo matemtico es una representacin matemtica de la situacin actual que podra ser usada para tomar mejores decisiones o para clarificar la situacin. Nosotros nos concentraremos en la elaboracin de modelos matemticos y los analizaremos para obtener resultados en tabuladores (modelos simblicos) y grficas (modelos anlogos). 9

Modelos de optimizacin
Los modelos de optimizacin dictan el comportamiento para una organizacin que le permitir alcanzar mejor sus metas. Los componentes de este modelo son: Funcin objetivo Variables de decisin Restricciones Un modelo de optimizacin busca encontrar valores de las variables de decisin que optimicen (maximicen o minimicen) una funcin objetivo entre el conjunto de todos los valores para las variables de decisin que satisfacen las restricciones dadas.
10

Modelos de optimizacin (continuacin)


Un modelo esttico es uno en el que las variables de decisin determinan una respuesta para una serie de condiciones fijas que no varan, por lo menos en el corto plazo. Un modelo dinmico est sujeto al factor tiempo al requerir sucesiones de decisiones para periodos mltiples (futuros).
11

Modelos de optimizacin (continuacin)


Un modelo lineal es uno en el cual las variables de decisin aparecen en la funcin objetivo y en las restricciones de un modelo de optimizacin, multiplicadas por constantes y acomodadas en forma de suma. Si un modelo de optimizacin no es lineal, entonces es un modelo no lineal.

12

Modelos de optimizacin (continuacin)


Si una o ms variables de decisin deben ser enteros, entonces decimos que el modelo de optimizacin debe ser un modelo entero. Si todas las variables de decisin son libres para asumir valores fraccionarios, entonces el modelo de optimizacin es un modelo no entero. Los modelos enteros son mucho ms difciles de resolver que los modelos no enteros. Walter Silva Sotillo 13

Modelos de optimizacin (continuacin)


Un modelo determinstico es un modelo en el cual para cualquier valor de las variables de decisin, se conocen con certeza tanto el valor de la funcin objetivo como si las restricciones se cumplen o no. Si este no es el caso, entonces tenemos un modelo estocstico.
14

Ventajas del modelado matemtico


Los modelos:
1. 2. 3. 4. 5. Representan la realidad de forma precisa. Ayudan al tomador de decisiones a comprender el problema. Proporcionan perspectivas e informacin. Ahorran tiempo y dinero en la solucin de problemas y en la toma de decisiones. Proveen la nica va eficaz para resolver oportunamente algunos problemas ms grandes y complejos. Ayudan a comunicar problemas y soluciones a los Walter Silva Sotillo 15 dems.

6.

Desventajas del modelado matemtico


Los modelos:
1. 2. 3. 4. Pueden ser caros y emplear mucho tiempo en el desarrollo y la prueba. Son frecuentemente desempleados e incomprendidos (y temidos) debido a su complejidad matemtica. Tiende a restarse importancia al rol y valor de la informacin no cuantificable. A menudo se hacen suposiciones que sobresimplifican las variables del mundo real.

16

3. Construccin de modelos
1. Plantear el problema
     Definir el problema. Especificar objetivos. Determinar las partes de la organizacin a ser estudiadas. Determinar los parmetros que afectan el problema. Recolectar datos para estimar los valores de los parmetros.

2. Observar el sistema

3. Formular un modelo matemtico del problema


17

3. Construccin de modelos
4. Verificar el modelo y usar el modelo para predecir
 El rendimiento del modelo resulta para valores de las variables de decisin no usadas para desarrollar el modelo? Qu eventualidades podran causar que el modelo se vuelva invlido? Dado un modelo y un conjunto de soluciones alternativas, determinar cual solucin cumple mejor con los objetivos de la empresa.
18

5. Seleccionar una opcin adecuada




3. Construccin de modelos
6. Presentar los resultados y la conclusin del estudio a la empresa
 Presentar los resultados para la toma de decisiones Si es necesario, presentar varias soluciones alternativas y permitir que la empresa elija la que mejor cumpla con sus necesidades. Cualquier no aprobacin de las recomendaciones del estudio, podra deberse a una definicin incorrecta del problema o al fracaso para hacer intervenir a quien toma decisiones desde el inicio del proyecto. En este caso, regresar a los pasos 1, 2 o 3.
19

3. Construccin de modelos
7. Poner en marcha y evaluar las recomendaciones
  Ayudar en la implementacin de las recomendaciones. Monitorear y actualizar de manera dinmica el sistema a medida que el entorno y los parmetros cambien para asegurar que las recomendaciones permitan que la empresa cumpla sus objetivos.

20